Claim Missing Document
Check
Articles

Found 5 Documents
Search
Journal : Prosiding SeNTIK STI

TREN RISET E-LEARNING: STUDI BIBLIOMETRIK METADATA ARTIKEL ILMIAH DARI GOOGLE SCHOLAR MENGGUNAKAN ALAT BANTU VOSVIEWER. Karmilasari; Raden Supriyanto; Lussiana ETP; Dharma Tintri Ediraras
Prosiding Seminar SeNTIK Vol. 6 No. 1 (2022): Prosiding SeNTIK 2022
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

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

Abstract

E-learning dalam konteks pandemi COVID-19, telah menjadi tantangan tidak hanya bagi sistem pendidikan tetapi untuk masyarakat dan motivasi para peneliti. Studi ini bertujuan untuk menganalisis bibliometrik umum mengenai tren fokus risetl bidang e-learning. Sampel yang digunakan adalah metadata bibliometrik bersumber dari artikel jurnal dari database Google Scholar (tidak berbayar karena merupakan hak warga negara untuk mengakses informasi), yang diterbitkan pada tahun 2000 sd 2022, alat bantu yang digunakan adalah aplikasi penemu metadata Publish and Perish, dan aplikasi kesamaan visual VOSViewer. Tinjauan tersebut menghasilkan 781 artikel ilmiah dengan 11772 citasi, dimana tahun 2015, memiliki distribusi tertinggi dan terendah tahun 2000; negara paling produkstif adalah USA dan UK, dan urutan terbawah adalah Iran dan Ghana, sedangkan Indonesia pada urutan ke-12 dari 27 negara. Peta kesamaan visual jejaring riset e-learning menghasilkan 45 terminologi (Item) dalam 4 cluster, 683 koneksi dengan 2633 jejaring, yang menjelaskan bahwa fokus riset terkait e-learning yang sudah banyak dilakukan adalah study, student, technology, dan cource; sedangkan peluang riset e-learning yang masih relatif sedikit adalah plafform, implementasi dan kualitas. Riset lanjutan memuat sampel metadata artikel lengkap dari database lainnya (Berbayar) sehingga dapat diindetifikasi distribusi publikasi dan citasi berdasarkan jenis dokumen, judul artikel , penulis, kata kunci, transdisiplin terkait e-learning, institusi, dan penerbit
Penilaian Kepuasan Konsumen Muda Terhadap Kualitas Layanan Situs Belanja Online Rizkha Anggraeni; Karmilasari
Prosiding Seminar SeNTIK Vol. 1 No. 1 (2017): Prosiding SeNTIK 2017
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

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

Abstract

Belanja online merupakah salah satu bentuk perdagangan elektronik (e-commerce) yang memungkinkan konsumen untuk membeli barang atau jasa dari penjual melalui internet. Lazada merupakan salah satu website belanja online yang saat ini populer di Indonesia. Tujuan dari penelitian ini adalah untuk mengetahui seberapa besar penilaian kepuasan konsumen muda (usia 19 tahun – 23 tahun) terhadap situs belanja online Lazada. Pengukuruan kualitas website diukur dengan metode webqual 4.0 yang didasarkan pada tiga dimensi kualitas, yaitu : kemudahan penggunaan (usability), kualitas informasi dan kualitas interaksi. Hasil penelitian secara umum menunjukkan bahwa sebesar 59,7% dilihat dari dimensi kemudahan penggunaan, kualitas informasi dan kualitas interaksi berpengaruh secara signifikan terhadap kepuasan pengguna/konsumen muda. Secara khusus faktor kualitas penggunaan mempunyai pengaruh sebesar 52,1% terhadap kepuasaan pengguna, faktor kualitas interaksi mempunyai pengaruh sebesar 60,6% terhadap kepuasaan pengguna dan faktor kualitas informasi mempunyai pengaruh sebesar 75,2% terhadap kepuasaan pengguna.
PENGGUNAAN METODE SUPPORT VECTOR MACHINE UNTUK PROSES ANALISIS SENTIMEN MENGENAI TANGGAPAN MASYARAKAT TERHADAP PEMBERIAN VAKSIN COVID-19 Riharsya Salsabila; Karmilasari
Prosiding Seminar SeNTIK Vol. 5 No. 1 (2021): Prosiding SeNTIK 2021
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

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

Abstract

PENGGUNAAN METODE SUPPORT VECTOR MACHINE UNTUK PROSES ANALISIS SENTIMEN MENGENAI TANGGAPAN MASYARAKAT TERHADAP PEMBERIAN VAKSIN COVID-19
PERBANDINGAN PENERAPAN ALGORITMA NEURAL NETWORK BACKPROPAGATION DENGAN OPTIMASI ALGORITMA LBFGS DAN SGD UNTUK PREDIKSI PENYAKIT JANTUNG Guntur Eka Saputra; Karmilasari; Adrian Faisal; Ahmad Apandi
Prosiding Seminar SeNTIK Vol. 4 No. 1 (2020): Prosiding SeNTIK 2020
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

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

Abstract

Penyakit jantung merupakan penyakit tidak menular yang disebabkan kondisi adanya timbunan lemak di pembuluh darah arteri coroner pada jantung yang mengubah peran dan bentuk arteri, serta menghambat aliran darah menuju jantung. Faktor penyakit jantung dapat diprediksi dengan 14 atribut faktor yang dapat mempengaruhi prediksi penyakit jantung. Penelitian ini merupakan penelitian eksperimen dengan menggunakan data sekunder yang diharapkan data tersebut memiliki makna untuk mendapatkan suatu informasi dan pengetahuan. Data mining adalah proses mencari pola atau informasi bermakna dalam data terpilah dengan mengunakan suatu metode atau teknik tertentu. Metode yang digunakan dalam penelitian ini adalah algoritma neural network backpropagation dengan metode optimasi LBFGS dan SGD untuk melihat hasil akurasi perbandingan diantara dua metode optimasi tersebut. Berdasarkan hasil eksperimen ditunjukkan bahwa hasil akurasi dari 14 atribut faktor dengan menggunakan backpropagation dan metode optimasi LBFGS lebih baik dibandingkan SGD. Akurasi dengan metode optimasi LBFGS sebesar 85.3%, sedangkan SGD 83.6%, dan tingkat loss atau error dari LBFGS mendekati 0, yaitu 0.001152, sedangkan SGD sebesar 0.546822. Waktu pemrosesan CPU Times juga memiliki perbedaan yang cukup signifikan, metode LBFGS memproses selama 46.5 ms, sedangkan SGD sebesar 908 ms. Kata Kunci : penyakit jantung, data mining, backpropagation, optimasi, LBFGS, SGD
PENGENALAN DAN KLASIFIKASI MORFOLOGI DAUN TANAMAN HIAS BERBASIS SUPPORT VECTOR MACHINE Karmilasari; Paramitha Megarani
Prosiding Seminar SeNTIK Vol. 7 No. 1 (2023): Prosiding SeNTIK 2023
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

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

Abstract

PENGENALAN DAN KLASIFIKASI MORFOLOGI DAUN TANAMAN HIAS BERBASIS SUPPORT VECTOR MACHINE