Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal E-JURNAL JUSITI : Jurnal Sistem Informasi dan Teknologi Informasi JNANALOKA
Herjuna Ardi Prakosa
Unknown Affiliation
Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Engineering Industrial & Manufacturing Engineering Mechanical Engineering Social Sciences Transportation Other

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Analisis Entri Data Pada Sistem Pengelolaan Gudang Minimarket Berdasarkan Aspek Kualitas Database Herjuna Ardi Prakosa; Nadya Chitayae; Abdul Jalil Rozaqi
E-JURNAL JUSITI : Jurnal Sistem Informasi dan Teknologi Informasi Vol 8 No 1 (2019): e-Jurnal JUSITI
Publisher : Universitas Dipa Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36774/jusiti.v8i1.601

Abstract

Perkembangan teknologi yang semakin maju dan pesat saat ini, banyak kemudahan yang dapat peroleh dalam hal pengolahan data. Proses pengolahan data menggunakan suatu sistem yang terintegrasi dengan baik dapat menghasilkan informasi yang diinginkan secara lebih terstruktur dan rapi. Adanya sistem informasi pengelolaan barang berguna agar dapat mengetahui jumlah stok barang pada gudang dan minimarket, barang yang banyak tertimbun atau berlebih yang tersimpan pada gudang, barang kadaluarsa dan pemesanan barang kepada supplier karena stok persediaan barang yang sudah minim. Pengelolaan data barang pada gudang minimarket ini masih terdapat kelemahan yang mengakibatkan pengimplementasian sistem menjadi kurang efektif, yaitu pada proses entri data yang sama sebanyak 2 (dua) kali sehingga mengakibatkan adanya redundansi data id jenis barang dan mengakibatkan adanya 2 (dua) tabel dengan data yang sama. Solusi yang diberikan yaitu menghilangkan tabel yang dapat mengakibatkan redudansi data. Menghilangkan tabel yang tidak perlu ini sesuai dengan aspek konsistensi (consistency) yang seharusnya tidak memuat redudansi yang tidak perlu, aspek kebenaran (correctness) dan aspek minimalis (minimality).
Analisis Sentimen dan Pemodelan Topik Untuk Mengidentifikasi Topik Pandemi Covid-19 Pada Media Sosial Twitter menggunakan Naïve Bayes Classifier dan Latent Dirichleat Allocation Herjuna Ardi Prakosa; Riyanto; Siti Nasiroh
JNANALOKA Vol. 02 No. 02 September Tahun 2021
Publisher : Lentera Dua Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36802/jnanaloka.2021.v2-no2-73-78

Abstract

\The Corona virus or Covid-19 is of particular concern around the world. Many people talk about this virus through posting comments and opinions on Social Media. Twitter is one of the social media that is currently still widely used by the public to convey opinions in the form of a collection of words called tweets. Tweets related to the topic of Covid-19 can be classified using the Topic Modeling method to produce a data topic that is often discussed by Twitter users. One of the algorithms used to perform Topic Modeling is using Latent Dirichleat Allocation(LDA). In this study, LDA was used to find out what words appeared in the tweets about Covid-19 that the public had uploaded via Twitter. Before the tweet data is modeled with LDA, sentiment analysis is carried out first with the Naïve Bayes Classifier to produce Positive, Negative and Neutral sentiments.    
Co-Authors Abdul Jalil Rozaqi Chitayae, Nadya Riyanto Siti Nasiroh