Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal Syntax Jurnal Informatika Journal of Information System Systematics Scientific Journal of Informatics
Bagja Nugraha
Universitas Singaperbangsa Karawang
Computer Science & IT Library & Information Science

Published : 7 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : Syntax Jurnal Informatika

 1 
Analisis dan Evaluasi Sistem Informasi Akademik Menggunakan COBIT@ 5 PAM (Process Assesment Model) (Studi Kasus Pada Universitas Singaperbangsa Karawang) Bagja Nugraha
SYNTAX Jurnal Informatika Vol 6 No 1: SYNTAX Jurnal Informatika
Publisher : Universitas Singaperbangsa Karawang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35706/syji.v6i1.1152

Abstract

Menganalisis dan mengevaluasi tingkat kapabilitas dalam proses penerapan tatakelola teknologi informasi yang berjalan di Universitas Singaperbangsa Karawang dan disesuaikan dengan standar nasional PTN yang tertuang dalam peraturan Menteri Pendidikan Tinggi Riset dan Teknologi. Metode penelitian yang digunakan adalah metode penelitian deskriptif. COBIT@ 5 PAM (Process Assesment Model) memberikan pedoman proses-proses dan dukungan praktis untuk membantu pimpinan dan manajemen eksekutif dalam memahami dan melaksanakan peran yang sesuai dalam merencanakan SIA. Organisasi dapat menggunakan prinsip-prinsip, proses-proses, dan hal-hal praktis yang terdapat pada COBIT@ 5 PAM (Process Assesment Model) untuk memperoleh manfaat strategik dan menciptakan level bisnis nyata yang lebih berarti. Hasil penelitian ini diketahui bahwa berdasarkan indeks pada capability model berada pada level 2.1 itu berarti UNSIKA telah menggunakan layanan teknologi informasi dari kegiatan operasional akademiknya, dengan COBIT@ 5 PAM (Process Assesment Model) ini diharapkan dapat menghasilkan suatu portofolio atau langkah-langkah yang terbaik bagi pihak UNSIKA pada saat akan mengambil keputusan untuk merencanakan proses Integrasi PTS ke PTN sesuai UU Kemenristek DIKTI.
Metode Klasifikasi Analisis Sentimen pada Media Sosial Bagja Nugraha
SYNTAX Jurnal Informatika Vol 9 No 2 (2020): Oktober 2020
Publisher : Universitas Singaperbangsa Karawang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35706/syji.v9i2.3593

Abstract

Di era industri 4.0 dimana banyaknya kegiatan dengan menggunakan internet, persaingan dalam dunia bisnis sangat meningkat dan mendorong setiap perusahaan atau suatu bisnis untuk terus melakukan perkembanngan dan mengikuti setiap perubahan yang terjadi. Untuk meningkatkan kualitas suatu perusahaan dan inovasi dari suatu bisnis terdapat beberapa cara salah satunya dengan mengetahui opini apa yang berkembang di masyarakat mengenai perusahaan tersebut. Dari banyaknya opini yang diberikan oleh masyarakat terhadap perusahaan tersebut, selanjutnya akan diproses dengan menggunakan analisis sentimen. Dari banyaknya penelitian, analisis sentimen memiliki banyak metode dalam penyelesaian masalahnya. Namun belum ada penelitian mengenai metode klasifikasi yang paling banyak digunakan dan metode mana yang memiliki tingkat akurasi paling tinggi. Oleh karena itu penelitian ini dilakukan untuk melihat metode klasifikasi yang paling banyak digunakan dan metode klasifikasi yang memiliki tingkat akurasi paling tinggi untuk analisis sentimen pada Sosial Media menggunakan metode Systematic Literature Review (SLR). Hasil dari penelitian ini disimpulkan bahwa metode klasifikasi yang paling banyak digunakan adalah metode Naïve Bayes Classifier dan tingkat akurasi dari suatu metode dipengaruhi oleh beberapa faktor seperti jumlah data yang digunakan.
PENGENALAN JENIS CANDI BERDASARKAN BENTUK DAN MODELNYA MENGGUNAKAN MOTODE CONVOLUTIONAL NEURAL NETWORK (CNN) PADA YOLLO v3 Kiki Ahmad Baihaqi; Candra Zonyfar; Bagja Nugraha
SYNTAX Jurnal Informatika Vol 10 No 02 (2021): Oktober 2021
Publisher : Universitas Singaperbangsa Karawang

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

Abstract

Berkembangnya teknologi yang cepat dan merambah semua sendi kehidupan. Termasuk sistem cerdas yang digunakan pada segmen cagar budaya yang penting untuk diperkenalkan kepada generasi muda bahkan memperkenalkan kepada bangsa lain bahwa ada cagar budaya berupa situs candi yang memiliki beberapa jenis candi dalam 1 komplek situs percandian candi jiwa yang terletak di Kabupaten Karawang. Tentu dengan model dan ciri khas bangunan candi tersebut, perlu pembuktian algoritma Convolutional Neural Network (CNN) dapat diterapkan dalam pendeteksian jenis candi dimana candi memiliki cirinya sendiri. Ada sumber yang menjelaskan bahwa CNN ini merupakan algoritma terbaik dalam sistem deep learning. Proses penarikan kesimpulan dalam algoritma melewati tahap klasifikasi dan tahap pembelajaran menggunakan backpropagation, yaitu setiap neuron dipresentasikan dalam bentuk dua dimensi. Metode pengembangan sistem berdasarkan kecerdasan buatan ini akan belajar dari data yang diinputkan sehingga semakin banyak inputan yang diberikan maka semakin cerdas dalam menarik kesimpulan. Sehingga sistem ini nantinya menghilangkan tahap feature extraction yang dilakukan secara manual pada machine learning. Hasil dari penelitian ini memiliki akurasi lebih dari 70%, sehingga CNN yang ada pada YOLO v3 ini baik untuk mendeteksi bentuk candi.
Co-Authors Abdurahman Azis Lasawali Agung Susilo Yuda Irawan Aimede Primackof Pouryono Arip Solehudin Baihaqi, Kiki Ahmad Candra Zonyfar Farhan Ali Abidin Garno, Garno Intan Purnamasari Rini Mayasari