Article Per Year (5 Year)
p-Index From 2020 - 2025
1.037
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Informasi dan Ilmu Komputer Proceedings Konferensi Nasional Sistem dan Informatika (KNS&I) JOIN (Jurnal Online Informatika) Jurnal Sains Dan Teknologi (SAINTEKBU) ILKOM Jurnal Ilmiah Angkasa: Jurnal Ilmiah Bidang Teknologi JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Informasi Interaktif Jurnal Tecnoscienza Respati Jurnal Sistem Informasi Komputer dan Teknologi Informasi
Emha Taufiq Luthfi
STMIK AMIKOM Yogyakarta
Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Education Engineering Library & Information Science Mathematics Other

Published : 16 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 16 Documents
Search

 1   2 
Analisis Sentimen Masyarakat Tentang Tambang Di Indonesia Pada Twitter Menggunakan Data Mining Norlaila, Norlaila; Winarno, Wing Wahyu; Luthfi, Emha Taufiq
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 9, No 3 (2024)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v9i3.5402

Abstract

Penelitian ini menyelidiki sentimen masyarakat terhadap pertambangan emas di Indonesia melalui Twitter, menggunakan clustering K-Means dan Naïve Bayes Classifier untuk analisis sentimen. Mengingat pertambangan batu bara menjadi isu yang kontroversial, mengukur opini publik sangatlah penting untuk memahami dampak sosial dan mendorong dialog antar pemangku kepentingan. Penelitian ini melibatkan pengumpulan data Twitter, diikuti dengan pra-pemrosesan untuk mempersiapkan analisis. Algoritme K-Means mengidentifikasi tiga kelompok sentimen: netral (1561 tweet), positif (202 tweet), dan negatif (631 tweet). Selanjutnya, Pengklasifikasi Naïve Bayes, yang diterapkan pada set pelatihan yang terdiri dari 1.348 tweet dan set pengujian yang terdiri dari 1.046 tweet, selanjutnya mengkategorikan sentimen menjadi 324 tweet negatif, 40 netral, dan 682 tweet positif. Metodologi tersebut mencapai akurasi gabungan sebesar 99%, yang menunjukkan.
Tinjuan Pustaka Sistematis - Sistem Rekomendasi Menggunakan Collaborative Filtering Puri, Fiyas Mahananing; Kusrini, Kusrini; Luthfi, Emha Taufiq
JURNAL TECNOSCIENZA Vol. 5 No. 1 (2020): TECNOSCIENZA
Publisher : JURNAL TECNOSCIENZA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51158/56m1ch26

Abstract

Pemanfaatan bigdata pada era industry 4.0 telah banyak diterapkan diberbagai bidang untuk membuat sebuah sistem rekomendasi, salah satunya pada bidang bisnis. Collaborative Filtering merupakan salah satu metode yang banyak digunakan pada saat ini untuk menghasilkan sebuah rekomendasi produk. Graph Database pada saat ini sudah menjadi pilihan yang banyak dikombinasikan dengan penggunaan metode Collaborative Filtering. Tujuan dari makalah ini adalah sebagai systematic literatur review untuk menentukan sebuah sistem rekomendasi dengan menggabungkan metode rekomendasi dengan database grafik. Hasil penelitian ini menjawab pertanyaan penelitian (Research Question) sebagai berikut. RQ1: Apakah penggunakan sistem rekomendasi dengan algoritma collaborative filtering mengalami peningkatan? RQ2: Apasajakah fokus dan tujuan penelitian dengan menggunakan collaborative filtering? RQ3: Sub-disiplin ilmu apa yang sering menggunakan collaborative filtering? Sebagai hasil dari tinjauan pustaka, 42 jurnal dipilih sebagai bahan Analisa yang diterbitkan antara tahun 2014 sampai dengan 2019. Hasil penelitian menunjukkan adanya keakuratan tingkat rekomendasi dari metode dan algoritma yang digunakan, dan menjawab pertanyaan selanjutnya (RQ2 dan RQ3). Kata kunci: Sistem Rekomendasi, Collaborative Filtering, Graph Database
PERBANDINGAN KINERJA NAIVE BAYES DAN SUPPORT VECTOR MACHINE UNTUK PREDIKSI HERREGISTRASI Megira, Selvy; Kusrini, Kusrini; Luthfi, Emha Taufiq
SISKOMTI: Jurnal Sistem Informasi Komputer dan Teknologi Informasi Vol. 2 No. 2 (2020): Agustus 2020
Publisher : Universitas Lembah Dempo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54342/qjc4j706

Abstract

Penelitian dengan judul “ Perbandingan Kinerja Naive Bayes dan Support Vector Machine untuk Prediksi Herregistrasi “ bertujuan untuk mengetahui perbandingan kinerja naive bayes dan support vector machine dalam melakukan prediksi herregistrasi dengan parameter akurasi dan AUC menggunakan skenario pengujian dengan split validation yang nantinya akan dapat dijadikan acuan bagi pihak universitas untuk melakukan kebijakan bagi para mahasiswa khususnya yang berpotensi mengalami tidak melakukan herregistrasi. Pada penelitian ini hanya melakukan prediksi herregistrasi calon mahasiswa baru pada fakultas ilmu komputer untuk angkatan tahun 2015 sampai dengan tahun 2017 dengan menggunakan metode algoritma naive bayes dan support vector machine. Akurasi yang dihasilkan pada metode naive bayes yaitu 93,54% dan AUC 0,946 sedangkan pada metode support vector machine yaitu 92,67% dan AUC 0,877 menggunakan kernel RBF dengan parameter cost (C) 1,0 dan Epsilon 0,0. Selain itu performa akurasi dan AUC sangat berpengaruh apabila dilakukan penghapusan terhadap salah satu variabel yang digunakan.
Penerapan Simple Additive Weighting pada Pemilihan Canvasser Terbaik PT.Eratel Prima Hardita, Veny Cahya; Utami, Ema; Luthfi, Emha Taufiq
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 6 No 5: Oktober 2019
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (3086.595 KB) | DOI: 10.25126/jtiik.2019651218

Abstract

Bagi PT. Eratel Prima, canvasser merupakan ujung tombak dalam suatu perusahaan yang bergerak pada bidang pendistribusian produk indosat. Perusahaan ini mengandalkan modal dari Indosat sehingga penilaian Key Performance Indicator sangat penting untuk perusahaan ini. Canvasser sangatlah berpengaruh pada penilaian KPI ini. Sebagai ujung tombak perusahaan, tentu sangat penting untuk memelihara konsistensi dari kinerja canvasser. Untuk memberikan semangat pada canvasser, maka perusahaan memberikan apresiasi berupa bonus setiap bulan bagi canvasser yang memiliki kinerja terbaik. Dalam proses penilaian canvasser terbaik dilakukan oleh Head of Marketing. Namun, proses penilaian masih dilakukan secara penilaian masih subjektif dan tidak relevan dengan situasi aktual. Selain itu, proses penilaian masih manual sehingga membutuhkan waktu lama untuk melakukan pengolahan data. Hal inilah yang menjadi latar belakang untuk membuat sebuah sistem guna memilih canvasser terbaik Metode pengambilan keputusan yang digunakan adalah metode Simple Additive Weighting (SAW). Metode ini digunakan untuk menentukan nilai pembobotan setiap kriteria, yang kemudian dilakukan proses peringkat untuk menentukan alternatif terbaik dari sejumlah alternatif. Hasil perhitungan akhir dari sistem dan hasil perhitungan manual menunjukkan hasil yang sama dengan menggunakan 10 canvasser yang dinilai, dan canvasser mendapat nilai tertinggi yaitu Eko dengan nilai 18.6667 yang terpilih untuk menjadi canvasser terbaik.AbstractFor PT. Eratel Prima, Canvasser is a company’s spearhead for indosat product distribution. Indosat as the investor of this company require a good evaluation of Key Performance Indicator (KPI). Canvasser’s role is very influential for KPI score. As a company’s spearhead, it is very important to maintenance the consistency of canvasser performance. To encourage their spirit, the company give a monthly reward in the form of bonuses for a canvasser with the best performance. The assessment process done by the Head of Marketing. But this assessment process done with manual method and for data process require more time.  In addition, the assessment is still subjective and not relevant with actual situation. Based on this problem, it needed a system to select the best canvasser. The used method for decision support system is Simple Additive Weighting (SAW).  This method used to determine the weighting value of each criterion, and then carried out a ranking process to determine the best alternative from a number of alternatives. The result of this research are the ranking and further recommendation for the best canvasser.
Systematic Literature Review Of Particle Swarm Optimization Implementation For Time-Dependent Vehicle Routing Problem Diah, M.; Setyanto, Arief; Luthfi, Emha Taufiq
JOIN (Jurnal Online Informatika) Vol 7 No 1 (2022)
Publisher : Department of Informatics, UIN Sunan Gunung Djati Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15575/join.v7i1.804

Abstract

Time-dependent VRP (TDVRP) is one of the three VRP variants that have not been widely explored in research in the field of operational research, while Particle Swarm Optimization (PSO) is an optimization algorithm in the field of operational research that uses many variables in its application. There is much research conducted about TDVRP, but few of them discuss PSO's implementation. This article presented as a literature review which aimed to find a research gap about implementation of PSO to resolve TDVRP cases. The research was conducted in five stages. The first stage, a review protocol defined in the form of research questions and methods to perform the review. The second stage is references searching. The third stage is screening the search result. The fourth stage is extracting data from references based on research questions. The fifth stage is reporting the study literature results. The results obtained from the screening process were 37 eligible reference articles, from 172 search results articles. The results of extraction and analysis of 37 reference articles show that research on TDVRP discusses the duration of travel time between 2 locations. The route optimization parameter is determined from the cost of the trip, including the total distance traveled, the total travel time, the number of routes, and the number used vehicles. The datasets that are used in research consist of 2 types, real-world datasets and simulation datasets. Solomon Benchmark is a simulation dataset that is widely used in the case of TDVRP. Research on PSO in the TDVRP case is dominated by the discussion of modifications to determine random values of PSO variables.
Prediksi Tingkat Keberhasilan Studi Kinerja Santri Menggunakan Algoritma C 5.0 Miftachuddin, Achmad Agus Athok; Kusrini, Kusrini; Luthfi, Emha Taufiq
SAINTEKBU Vol. 13 No. 01 (2021): Vol. 13 No. 01 Januari 2021
Publisher : KH. A. Wahab Hasbullah University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32764/saintekbu.v13i01.2523

Abstract

The success of pesantren education institutions can be measured by the success of their students. By predicting the possible outcomes of the learning process based on prediction results can help an Islamic boarding school, by adjusting the factors that contribute and influence the success rate of students' performance studies. And by utilizing data mining techniques that can be used to increase the level of success and reduce the failure of students. this can greatly help pesantren educational institutions to improve their graduates 'skills, because data mining is the best solution to find hidden patterns and can predict the success of students' performance studies. This research presents a model based on decision tree classification algorithm C 5.0 used in this model with alumni tracer study filled by santri alumni. In this study also used the k-folds cross validation test scenario with k values of 2,3,6,10 and 15 with a total of 300 alumni data and 84 data used for validation tests without cross validation. Determination of the criteria for the classification results using a confusion matrix form the measurement of the classification results obtained, namely the highest value in this study is 95% resulting from 15 folds the scenario 1. And form the results of testing the validation data without cross validation, the corresponding results are 73.81%, when compared to the k-folds, there was an increase of 21.19% and it can be ignored that the C 5.0 algorithm is able to classify well. So that pesantren educational institutional can provide a foundation in the arrangement for their students in deciding the right school choice.
Co-Authors AGUS PURWANTO Akhmad Dahlan Ardi, Abdullah Arief Setyanto Diah, M. Dwi Krisbiantoro, Dwi Ema Utami Hardita, Veny Cahya Kusrini Kusrini Kusrini, Kusrini M. Suyanto, M. Miftachuddin, Achmad Agus Athok Musthofa Galih Pradana Norlaila Norlaila Nurhasan Nugroho Parjono, Parjono Puri, Fiyas Mahananing Rizqi Sukma Kharisma Selvy Megira, Selvy Suryono, Sigit Yosef Murya Kusuma Ardhana