Claim Missing Document
Check
Articles

Found 6 Documents
Search
Journal : Dinamik

Rancang Bangun Program Web Ujian Nasional Bidang Matematika bagi Siswa SMA Felix Andreas Sutanto; Kristophorus Hadiono
Dinamik Vol 14 No 1 (2009)
Publisher : Universitas Stikubank

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35315/dinamik.v14i1.84

Abstract

Standar ujian nasional bidang matematika pada umumnya menjadi masalah bagi kebanyakansiswa SMA, terutama sekolah yang materi pelajarannya kurang karena kekurangan tenaga pengajar yangkompeten dibidangnya. Perkembangan teknologi informasi, khususnya internet memungkinkan penyebaraninformasi tanpa terbatas oleh waktu dan tempat. Melalui sebuah website dapat disebarkan materi pelajaranmatematika, sehingga akan menambah pengetahuan siswa.
Content Management System pada Publikasi Produk Edukasi untuk Anak Prasekolah dari Limbah Kayu Th. Dwiati Wismarini; Kristophorus Hadiono; Heribertus Yulianton
Dinamik Vol 20 No 2 (2015)
Publisher : Universitas Stikubank

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (911.984 KB) | DOI: 10.35315/dinamik.v20i2.4648

Abstract

Secara ekonomi informasi terhadap produk akan lebih dikenal secara luas dimana dan kapan saja dengan informasi yang lebih lengkap dan dapat diperbaharui dengan memanfaatkan media Web sebagai promosiDibandingkan dengan brosur atau pameran, media online menyediakan informasi berkelanjutan dan berkesinambungan. Dimana dengan menyediakan informasi secara online UKM hanya memerlukan satu buah produk beserta spesifikasinya sebagai sample selanjutnya memberikan layanan pemesanan order. Komunikasi dengan buyer dapat dilakukan dengan murah dan cepat melalui e-mail, meskipun dipisahkan oleh jarak yang sangat jauh.Perancangan WEB sebagai media untuk mempromosikan produk edukasi bagi anak hanya bersifat  mendampingi tidak menggantikan pameran yang sudah menjadi agenda tahunan tetapi untuk menjaga kelangsungan informasi dan memperbaharui informasi produk yang belum dimiliki oleh UKM ini.
ANALISA ELECTRONIC WORD OF MOUTH (E-WOM) PADA MEDIA SOSIAL TWITTER Heribertus Yulianton; Felix Andreas Sutanto; Kristophorus Hadiono
Dinamik Vol 22 No 1 (2017)
Publisher : Universitas Stikubank

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (914.579 KB) | DOI: 10.35315/dinamik.v22i1.7102

Abstract

E-WOM adalah pernyataan positif atau negatif yang dibuat oleh konsumen potensial, konsumen aktual, dan konsumen terdahulu tentang produk atau perusahaan melalui internet. Salah satu media yang dapat digunakan untuk mendapatkan pernyataan tersebut adalah media sosial twitter. Media sosial dapat digunakan untuk mendapatkan respon secara jujur karena biasanya orang tidak akan merasa sungkan untuk mengungkapkan perasaannya secara tidak langsung. Penelitian ini akan menganalisa ada atau tidaknya pernyataan e-WOM terhadap penyedia jasa layanan internet. Metode yang dilakukan terdiri dari tiga kegiatan, yang pertama adalah mengambil cuitan pengguna twitter yang mengandung kata yang berhubungan dengan penyedia jasa layanan internet. Kegiatan kedua adalah persiapan data untuk training. Yang ketiga adalah menganalisa e-wom dengan metode knn dan bahasa pemrograman R. Hasil penelitian ini berupa data motif e-wom Venting Negative Feelings dan Extraversion / Positive Self-Enhancement. Data tersebut dapat digunakan sebagai pendukung keputusan pengguna internet dalam memilih penyedia jasa layanan internet yang baik.
IMPLEMENTASI NAÏVE BAYES UNTUK KLASIFIKASI VENTING NEGATIF FEELINGS TERHADAP PENYEDIA JASA KOMUNIKASI PADA MEDIA SOSIAL TWITTER Heribertus Yulianton; Felix Andreas Sutanto; Kristophorus Hadiono
Dinamik Vol 22 No 2 (2017)
Publisher : Universitas Stikubank

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (420.598 KB) | DOI: 10.35315/dinamik.v22i2.7109

Abstract

Kesan masyarakat terhadap suatu penyedia jasa layanan komunikasi dapat dianalisa melalui respon mereka. Salah satu media yang dapat digunakan untuk mendapatkan kesan tersebut adalah media sosial twitter. Seiring dengan perkembangan Internet, saat ini WoM telah berkembang menjadi electronic word-of-mouth. Electronic Word of Mouth (e-WoM) communication merujuk pada pernyataan positif atau negatif dari pelanggan potensial, pelanggan aktual atau mantan pelanggan mengenai suatu produk atau perusahaan via internet. Salah satu motif dalam e-Wom adalah Venting Negative Feelings, yaitu keinginan mengungkapkan ketidakpuasan konsumen terhadap produk atau perusahaan. Penelitian ini akan menganalisa percakapan tentang venting negative feelings pada media sosial twitter. Untuk mendapatkan data dari twitter akan mengunakan bahasa R yang telah menyediakan library untuk mengaksesnya. Hasil penelitian ini berupa data motif e-wom Venting Negative Feelings yang dapat digunakan sebagai pendukung keputusan pengguna internet dalam memilih penyedia jasa layanan internet yang baik.
IMPLEMENTASI METODE TOPSIS UNTUK PEMILIHAN WISUDAWAN TERBAIK Felix Andreas Sutanto; Heribertus Yulianton; Kristophorus Hadiono
Dinamik Vol 24 No 1 (2019)
Publisher : Universitas Stikubank

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (394.405 KB) | DOI: 10.35315/dinamik.v24i1.7839

Abstract

Kelulusan merupakan hal yang pasti terjadi dalam akhir proses sebuah pendidikan. Mendapatkan predikat wisudawan terbaik merupakan kebanggaan tersendiri bagi mahasiswa diakhir masa studinya. Fakultas Teknologi Informasi Universitas Stikubank, setiap semester selalu dihadapkan pada proses tersebut. Penetapanwisudawan terbaik dari FTI Unisbank memiliki lebih dari satu kriteria yaitu Indeks Prestasi Kumulatif (IPK),Nilai Prestasi yang diperoleh dari Kartu Rencana Prestasi (KRP), masa studi siswa yang bersangkutan, dansertifikasi kompetensi atau sertifikasi pelatihan bertaraf internasional. Metode yang digunakan untuk membantu menentukan wisudawan terbaik adalah metode TOPSIS. Pemilihan metode tersebut karena beberapa alasan salah satunya adalah kemudahan penerapan. Implementasi metode TOPSIS atas masalah tersebut diterapkan dengan membuat sebuah aplikasi berbasis web. Hasil yang diperoleh dengan menerapkan metode TOPSIS, adalah alternatif/wisudawan yang memiliki skor tertinggi dari hasil perhitungan akhir.
ANALISIS PERBANDINGAN KLASIFIKASI PREDIKSI PENYAKIT HEPATITIS DENGAN MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR, NAÏVE BAYES DAN NEURAL NETWORK Sulastri Sulastri; Kristophorus Hadiono; Muchamad Taufiq Anwar
Dinamik Vol 24 No 2 (2019)
Publisher : Universitas Stikubank

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (457.739 KB) | DOI: 10.35315/dinamik.v24i2.7867

Abstract

Hepatitis merupakan penyakit yang diderita oleh banyak orang, bahkan bisa menyebabkan kematian. Prediksi awal dapat mencegah kematian tersebut yaitu denganmengumpulkan data pasien hepatitis yang dilihat dari faktor - faktornya. Faktor-faktor tersebut antara lain Protime, Alk Phosphat, Albumin, Bilirubin dan Usia. Untuk mengolah datatersebut, dibutuhkan Data Mining. Salah satu metode data mining yang digunakan pada penelitian ini adalah klasifikasi.Tujuan penelitian ini yaitu bagaimana memprediksi hidup atau meninggalnya pasien penyakit hepatitis dengan tingkat akurasi dan mencari atribut paling berpengaruh terhadapprediksi hidup atau meninggalnya pasien penyakit hepatitis dengan menggunakan algoritma Algoritma K-Nearest Neighbor, Naïve Bayes Dan Neural Network dan kemudianmembandingkan ketiga hasil analisis dari ketiga algoritma tersebut.Dari hasil analisis 20 atribut dilakukan 3 kali percobaan dengan algoritma Naïve Bayes didapat model klasifikasi dengan tingkat akurasi yang terbaik yaitu 76.92 %, tingkat error23.01% dan atribut Acites dan Spider merupakan atribut yang berpengaruh terhadap keputusan hidup atau meninggalnya pasien yang terkena penyakit hepatitis.Dengan menggunakanAlgoritma Neural Network didapat model klasifikasi dengan tingkat akurasi yang terbaik yaitu 82,97%, tingkat error 17.03% dan atribut yang paling berpengaruh yaitu anorexia, spiders dan protime. Dengan menggunakan algoritma K-Nearest Neighbor didapat model klasifikasi dengan tingkat akurasi terbaik yaitu 93%, tingkat error 7% dan atribut yang paling berpengaruh terhadap penderita penyakit hepatitis yaitu Albumin.