Article Per Year (5 Year)
p-Index From 2021 - 2026
5.418
P-Index
This Author published in this journals
All Journal IAES International Journal of Artificial Intelligence (IJ-AI) Jurnal Informatika dan Teknik Elektro Terapan CESS (Journal of Computer Engineering, System and Science) Jurnal Informatika Upgris Jurnal Sains dan Informatika Matrix : Jurnal Manajemen Teknologi dan Informatika Simtek : Jurnal Sistem Informasi dan Teknik Komputer Technologia: Jurnal Ilmiah JURNAL TEKNIK Jurnal Teknologi Informasi : Jurnal Keilmuan dan Aplikasi Bidang Teknik Informatika JATI (Jurnal Mahasiswa Teknik Informatika) Jurnal Teknologi Informatika dan Komputer Jurnal Minfo Polgan (JMP) JOINTECOMS (Journal of Information Technology and Computer Science) Diteksi : Jurnal Pengabdian Kepada Masyarakat
Priskila, Ressa
Universitas Palangka Raya
Aerospace Engineering Agriculture, Biological Sciences & Forestry Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Social Sciences

Published : 46 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 46 Documents
Search

 1   2   3   4   5 
Penerapan Metode Collaborative Filtering dan Content Based Filtering Pada Sistem Rekomendasi Smartphone Android Priskila, Ressa; Fajar, M; Geges, septian; Widiatry, Widiatry
Technologia : Jurnal Ilmiah Vol 15, No 3 (2024): Technologia (Juli)
Publisher : Universitas Islam Kalimantan Muhammad Arsyad Al Banjari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31602/tji.v15i3.15255

Abstract

Masalah: Banyaknya variasi merk dan model smartphone Android yang beredar di pasaran khususnya di Indonesia  dengan dengan berbagai pilihan fitur dan harga yang dapat dipilih. Hal ini, membuat konsumen kebingungan dalam menentukan smartphone android mana yang akan dibeli. Sehingga, konsumen akhirnya membeli sebuah Smartphone hanya karena tertarik dengan model atau tampilan fisik serta fasilitas terbaru tanpa menyesuaikan dengan kebutuhannya.Tujuan: Membangun sebuah Aplikasi Rekomendasi Smartphone Android berbasis Website menggunakan Collbarorative Based dan Content based filtering.Metode: Metode penelitian yang digunakan dalam penelitian ini adalah metode GRAPPLE, Collaborative Filtering dan Content Based Filtering.Hasil: Hasil Pengujian menggunakan MAPE, dengan data percobaan sejumlah 36 dari 800 data rating, hasil yang didapatkan ada 12,87 % yang mana termasuk dalam kategori baik.Kesimpulan: Sistem rekomendasi ini dibangun dengan mengimplementasikan metode collbarorative filtering dan content based filtering. Metodologi pengembangan perangkat lunak menggunakan GRAPPLE (Guidelines for Rapid APPlication Engineering). Hasil Pengujian menggunakan MAPE, sistem yang dibangun termasuk dalam kategori baik, sehingga dapat memberikan rekomendasi ke pada konsumen. Temuan dari hasil penelitian ini akan memberikan wawasan tentang bagaimana mengimplementasi metode metode collbarorative dan content based untuk sistem rekomendasi. Untuk penelitian selanjutnya dapat menggunakan data yang lebih banyak dan metode yang lain.
ANALISIS SENTIMEN FILM AGAK LAEN DENGAN KECERDASAN BUATAN: TEXT MINING METODE NAÏVE BAYES CLASSIFIER Cahya Kamilla, Adinda; Priyani, Natasya; Priskila, Ressa; Handrianus Pranatawijaya, Viktor
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.v8i3.9587

Abstract

Analisis sentimen terhadap ulasan film di media sosial Twitter selalu muncul sebagai subjek yang menarik untuk diselidiki dalam penelitian. Studi ini bertujuan untuk melakukan analisis sentimen terhadap ulasan film "Agak Laen" di media sosial Twitter menggunakan metode klasifikasi Naïve Bayes Classifier. Data diambil melalui web scraping dan diproses melalui tahap preprocessing, termasuk pembersihan, case folding, normalisasi, penghapusan stopword, tokenisasi dan stemming. Setelah dilatih dan dievaluasi menggunakan KFold cross-validator dengan k=5, model menunjukkan akurasi sebesar 78%. Evaluasi menunjukkan bahwa model memiliki precision sebesar 85.51%, recall sebesar 85.57%, dan f1-score sebesar 82.71%. Visualisasi grafik distribusi sentimen dan word cloud juga dilakukan untuk memberikan gambaran yang lebih jelas tentang data. Hasil penelitian ini menunjukkan bahwa metode klasifikasi Naïve Bayes Classifier memiliki potensi yang baik dalam menganalisis sentimen ulasan film di Twitter
ANALISIS SENTIMEN PADA ULASAN PENGGUNA TERHADAP APLIKASI PEMBELAJARAN BAHASA DUOLINGO: MENGGUNAKAN ALGORITMA NAÏVE BAYES DAN K-NEAREST NEIGHBOR Winoto, Depro; Desta Aditia, Veven; Sorisa, Cinda; Priskila, Ressa; Handrianus Pranatawijaya, Viktor
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.v8i3.9647

Abstract

Teknologi telah mengubah cara belajar bahasa, dengan populernya aplikasi seperti Duolingo di era digital. Studi ini diharapkan mampu untuk menganalisis reaksi pengguna terhadap aplikasi Duolingo, serta membandingkan keefektifan dan keefisienan algoritma yang berbeda antara Naive Bayes dengan K-Nearest Neighbors berdasarkan review pada Google Play Store. Data dikumpulkan menggunakan teknik web scraping, kemudian dilakukan serangkaian prosedur pre-processing. Setelah diproses, ulasan tersebut secara otomatis diklasifikasikan sebagai positif atau negatif menggunakan algoritma Naive Bayes dan K-Nearest Neighbors. Berdasarkan hasil analisis, Naive Bayes (NB) menunjukkan peningkatan akurasi yang lebih baik dari K-Nearest Neighbors (KNN), dengan akurasi 92%, presisi 93%, dan recall 92% untuk Naive Bayes (NB) dan akurasi 88%, presisi 91%, dan recall 90% untuk K-Nearest Neighbors (KNN) berdasarkan penelitian yang telah dilakukan.
IMPLEMENTASI LONG SHORT-TERM MEMORY DALAM ANALISIS SENTIMEN PENGGUNA APLIKASI TWITTER YANG MENGANDUNG UJARAN KEBENCIAN Yosia Wibowo, Lucky; Annisa, Norul; Ananda Khairunnisa, Puteri; Handrianus Pranatawijaya, Viktor; Priskila, Ressa
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.v8i3.9654

Abstract

Aplikasi dan media sosial muncul sebagai hasil dari kemajuan internet dan teknologi, yang memungkinkan pengguna berinteraksi satu sama lain melalui teks dan komentar. Sebagai contoh, aplikasi Twitter merupakan media sosial yang sering sekali digunakan saat ini. Namun, Twitter juga berpotensi menjadi tempat penyebaran ujaran kebencian. Ujaran kebencian berarti menghina, merendahkan, atau mengintimidasi seseorang atau kelompok berdasarkan atribut tertentu, seperti ras, agama, etnis, gender, orientasi seksual, atau jenis kelamin. Ujaran kebencian memiliki banyak akibat buruk yang dapat membahayakan kesehatan mental dan keamanan online penggunanya. Tujuan penelitian ini adalah untuk memecahkan masalah ini dengan menguji seberapa efektif algoritma Long Short-term Memory (LSTM) dalam menganalisis sentimen ujaran kebencian pada aplikasi. Untuk mendeteksi ujaran kebencian dengan tingkat akurasi tinggi, penelitian ini mengembangkan model klasifikasi teks berbasis LSTM. Data teks yang dikumpulkan dari aplikasi yang mengandung ujaran kebencian kemudian dibersihkan dan dinormalisasi untuk pra-pemrosesan. Selain itu, model LSTM digunakan untuk klasifikasi teks sentimen, dan kinerjanya dinilai dengan metrik accuracy, precision, dan recall. Sehingga penelitian ini menghasilkan tingkat accuracy sebesar 83% dengan nilai rata-rata makro (macro average) sebesar 65%.
PENGIMPLEMENTASIAN ALGORITMA GENETIKA DALAM SISTEM PENJADWALAN PRAKTIKUM Nazarius, Atong; Delon Pratama, Ryan; Aryapati Soebagijo, Rafael; Priskila, Ressa; Handrianus Pranatawijaya, Viktor
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.v8i3.9656

Abstract

Penelitian ini melakukan pengimplementasian algoritma genetika pada sistem penjadwalan praktikum untuk mencapai solusi yang akurat dan efisien. Proses inisialisasi populasi dilakukan dengan menghasilkan kromosom yang berisi gen-gen yang merepresentasikan kombinasi data mata kuliah, asisten praktikum, jam, hari, dan ruangan. Evaluasi fitness dilakukan dengan menggunakan rumus Fitness Poin = 1/(1 + Penalty) untuk menentukan seberapa baik suatu individu dalam memenuhi kriteria yang telah ditetapkan. Percobaan menunjukkan kromosom terbaik bernilai fitnes = 1, dengan populasi, generasi, dan tingkat mutasi yang semakin besar akan membutuhkan waktu eksekusi yang lebih lama dan sebaliknya. Juga ukuran populasi, generasi dan tingkat mutasi juga mempengaruhi kemungkinan untuk ditemukan hasil yang optimal. Hasil penelitian ini didapatkan bahwa algoritma genetika efektif dalam proses penyelesaian permasalahan penjadwalan praktikum yang kompleks, memberikan jadwal praktikum yang akurat dan efisien. Implikasi penelitian ini dapat menjadi acuan penting dalam pengembangan algoritma genetika khususnya dalam bidang penjadwalan praktikum
PEMANFAATAN KECERDASAN BUATAN PADA IMPLEMENTASI SEQUENTIAL SEARCH PENCARIAN HOTEL DI KOTA PALANGKA RAYA BERDASARKAN HARGA Sinta Septiani, Clara; Re Manuel Putra Sihombing, Thomas; Valentine, Virginia; Priskila, Ressa; Handrianus Pranatawijaya, Viktor
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.v8i3.9658

Abstract

Kecerdasan buatan (AI) telah menjadi salah satu inovasi yang penting dalam memperbaiki proses pencarian dalam berbagai konteks. Dalam artikel ini, kami mengeksplorasi pemanfaatan kecerdasan buatan dalam implementasi sequential search untuk pencarian hotel berdasarkan harga di Kota Palangka Raya. Pada penelitian ini dibahas pendekatan sequential search dan bagaimana kecerdasan buatan dapat meningkatkan efisiensi pencarian dengan memprediksi harga hotel berdasarkan faktor-faktor tertentu. Melalui studi kasus dan analisis, penelitian ini menunjukkan bagaimana penggunaan kombinasi ini dapat memberikan rekomendasi hotel yang lebih relevan dan sesuai dengan preferensi pengguna. Dengan demikian, artikel ini membahas manfaat penerapan kecerdasan buatan dalam meningkatkan pengalaman pencarian hotel, sambil juga menyentuh pada tantangan yang terkait dengan akurasi prediksi harga dan pengelolaan data. Penelitian ini memberikan wawasan tentang bagaimana integrasi antara teknologi AI dan algoritma pencarian tradisional dapat memperkaya pengalaman pengguna dalam mencari akomodasi di Kota Palangka Raya dengan pemanfaatan algoritma sequential search yang berhasil memberikan preferensi hotel berdasarkan rentang harga yang sesuai dengan kebutuhan pengguna
SISTEM PAKAR DIAGNOSA PENYAKIT TELINGA BERBASIS WEB MENGGUNAKAN FORWARD CHAINING Azmiara Ahmadiham, Ahsana; Rueh Daya Leluni, Ekat; Priskila, Ressa; Handrianus Pranatawijaya, Viktor
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.v8i3.9692

Abstract

Telinga, khususnya sebagai bagian dari sistem THT, sangat penting untuk dirawat dalam menjaga kesehatan pendengaran dan keseimbangan tubuh. Di samping itu, disayangkan bahwa masih banyak masyarakat yang sering mengabaikan dan meremehkan pentingnya penanganan penyakit telinga. Kebiasaan ini menyebabkan bahwa ketika penderita mencari perawatan medis, seringkali kondisinya sudah dalam keadaan parah karena keterbatasan akses ke dokter spesialis THT, biaya pemeriksaan yang mahal, dan keterlambatan diagnosis. Oleh karena itu, dibutuhkan suatu teknologi yang mempermudah pasien untuk mengidentifikasi gejala penyakit telinga secara dini seperti kecerdasan buatan. Salah satu contoh aplikasinya adalah sistem pakar. Sistem pakar ini memudahkan warga dalam melakukan konsultasi diagnosis atas penyakit yang di alami oleh pasien penyakit telinga. Tujuan dari penelitian ini adalah untuk menghasilkan sistem pakar yang dapat digunakan untuk mendiagnosa penyakit telinga pada manusia dengan metode forward chaining. Hasil dari penelitian ini adalah sistem pakar ini dapat menampilkan hasil persentase diagnosis penyakit telinga yang didapatkan dari gejala yang dipilih pengguna dengan mencocokkannya dengan basis aturan. Penelitian ini dapat digunakan untuk memberikan diagnosis penyakit telinga yang dirasakan oleh pasien dan memberikan solusi atas penyakit tersebut, tanpa harus menemui dokter spesialis THT.
IMPLEMENTASI ALGORITMA HILL CLIMBING UNTUK RUTE WISATA TERDEKAT DI PALANGKA RAYA Debora, Jessica Kurnia; Kalawa Putri, Maria Ramanda; Fajari, Rizqi; Priskila, Ressa; Pranatawijaya, Viktor Handrianus
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.v8i3.9732

Abstract

Penelitian ini mengimplementasikan algoritma Hill Climbing untuk menentukan rute wisata terpendek di Kota Palangka Raya dengan memanfaatkan optimisasi lokal. Studi kasus dilakukan pada destinasi wisata populer untuk meminimalisir jarak tempuh dan waktu kunjungan. Hasil penelitian menunjukkan efektivitas algoritma Hill Climbing dalam menghasilkan rute terpendek dibandingkan metode manual, memberikan kontribusi pada pengembangan sistem rekomendasi perjalanan wisata yang lebih efisien. Kami berhasil menyelesaikan permasalahan Travelling Salesman Problem (TSP) menggunakan algoritma Hill Climbing, mencari tur terpendek yang melintasi setiap titik sekali dan kembali ke titik awal dengan total jarak tempuh minimum. Proses ini melibatkan modifikasi tur saat ini melalui pembalikan sebagian jalur antara titik-titik dalam tur, dengan iterasi dilanjutkan hingga tidak ada perbaikan yang bisa dilakukan. Langkah-langkah dari tur yang dihasilkan direkam sebagai gambar PNG dan digabungkan menjadi file GIF, merepresentasikan perkembangan tur dari waktu ke waktu.
IMPLEMENTASI OPEN AI PADA WEBSITE RESTORAN MAKANAN INDIA Puspita Florensia, Nela; Nur Safa, Yunisa; Patimah, Yulia; Priskila, Ressa; Handrianus Pranatawijaya, Viktor
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.v8i3.9770

Abstract

Penelitian ini bertujuan untuk membangun sebuah chatbot restoran yang menggunakan teknologi kecerdasan buatan (artificial intelligence/AI) untuk meningkatkan pengalaman pelanggan. Chatbot ini dirancang dengan menggunakan Application Programming Interface Artificial Intelligence (API AI) dari Gemini dan OpenAI. Chatbot ini memungkinkan pelanggan untuk berinteraksi dengan sistem restoran menggunakan bahasa alami, mendapatkan informasi mengenai menu dan mendapatkan rekomendasi. Penelitian ini menggunakan metode studi literatur untuk membangun chatbot dan metode Black Box Testing untuk menguji chatbot. Hasil pengujian menunjukkan bahwa chatbot ini dapat berfungsi dengan baik dan memberikan informasi yang relevan kepada pengguna. Chatbot ini juga dapat memberikan rekomendasi menu berdasarkan preferensi pelanggan. Penggunaan chatbot restoran yang menggunakan AI API dari Gemini dan OpenAI membawa sejumlah manfaat, antara lain peningkatan efisiensi dalam layanan pelanggan, penghematan waktu dalam proses pemesanan, dan peningkatan kepuasan pelanggan melalui interaksi yang lebih responsif dan personal.
PENGGUNAAN ALGORITMA NAIVE BAYES UNTUK MEMPREDIKSI KELULUSAN MAHASISWA Fadli, Ahmad; limbong, Theodorus; Priskila, Ressa; Handrianus Pranatawijaya , Viktor
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.v8i3.9791

Abstract

Meningkatkan tingkat kelulusan mahasiswa tepat waktu adalah tantangan besar bagi universitas dan elemen lain yang terlibat. Algoritma Naive Bayes telah terbukti efektif dalam memprediksi kelulusan mahasiswa berdasarkan penelitian sebelumnya. Dalam penelitian ini, algoritma Naive Bayes digunakan untuk menganalisis data historis mahasiswa, seperti nilai akademik dan jumlah mata kuliah yang diambil, guna memprediksi kelulusan mahasiswa. Pengumpulan data dilakukan melalui riset mendalam di internet, menggunakan dataset dari website Kaggle yang mencakup atribut seperti nama, jenis kelamin, status mahasiswa, status menikah, umur, indeks prestasi semester dari semester 1 hingga semester 8, dan jumlah SKS dari semester 1 hingga semester 6. Data diolah menggunakan XAMPP, dan tampilan aplikasi dikembangkan dengan PHP serta JavaScript. Berdasarkan hasil pengujian, model ini menunjukkan hasil yang menjanjikan dengan tingkat akurasi yang memuaskan, memiliki precision 0.7273, recall 0.8, dan F1 Score 0.7619, menunjukkan keseimbangan yang baik antara presisi dan recall. Hasil evaluasi lebih lanjut menunjukkan bahwa model Naive Bayes memiliki akurasi 85%, presisi 83%, recall 82%, dan F1 Score 82.5%. Meskipun terdapat sedikit perbedaan antara prediksi model dan data aktual, hasilnya konsisten dengan penelitian sebelumnya, memperkuat validitas model
Co-Authors ., Yukandri Abda Abda Agus Sehatman, Saragih Agustin, Ria Ahmad Abdul Hadi Ahmad Fadli Ainah, Saripah Amaria Christie, Sagita Ananda Khairunnisa, Puteri Andini, Wafik Annisa, Norul Aprilia, Salsabila Ardianto Putra, Arvin Arief, Muhammad Risman Aryapati Soebagijo, Rafael Azmiara Ahmadiham, Ahsana Berylian Josepto, Gavin Cahya Kamilla, Adinda Chandra Saputra, Ade Cristivioni Damar Suryo Sasono Damayanti, Novrina Debora, Jessica Kurnia Delon Pratama, Ryan Desta Aditia, Veven Efrans Christian Fajar, M Fajari, Rizqi Firmansyah, Muhammad Rizal Handoko, Rifky Mustaqim Handrianus Pranatawijaya , Viktor Handrianus Pranatawijaya, Viktor Intani Sihite, Putri Isachar, Michael Jadiaman Parhusip, Jadiaman Jama, Luniko Kalawa Putri, Maria Ramanda Khotimah, Yusie Nur Chusnul Kristianti, Novera Leonardo, Tomas Licantik, Licantik limbong, Theodorus Lusia Kiareni, Cindi Magnus, Thomas Zugildo Maharani, Audry Marthalena Marthalena marthalena, marthalena Masitoh, Reina Dewi Natasya, Apriliani Nazarius, Atong Nelda, Lia Nova Noor Kamala Sari Nur Safa, Yunisa Nurdin Nurdin Patimah, Yulia Pranatawijaya, Viktor Handrius Prayoga, Andika Priyani, Natasya Purmasari Purmasari Puspita Florensia, Nela Puspitarani, Siska Putra, Putu Bagus Adidyana Anugrah Putra, Wahyuni Putri, Oktaviani Enjela Re Manuel Putra Sihombing, Thomas Ria Agustin Rueh Daya Leluni, Ekat Salsabila Aprilia Saputra, Ferry Saputra, Rizal Wahyu Saputra, Septian Dwi Sari, Purma Senas, Jonathan Markus Septian Geges Septian Geges Simorangkir, Anastasya Sinta Septiani, Clara Sorisa, Cinda Sunardi Sunardi Surana, Yogi Andy Pratama Syahrohim, Imam Talentina Angela Seda, Florensiana Tayah, Hernila Tryastie, Melisa Valentine, Virginia Viktor Handrianus Pranatawijaya Viktor Handrius Pranatawijaya Widiatry, Widiatry Winoto, Depro Yolanda Hevin, Tirza Yosia Wibowo, Lucky Yudhistira, Aditya Septian