Claim Missing Document
Check
Articles

Found 24 Documents
Search

PERANCANGAN SISTEM INFORMASI AKADEMIK BERBASIS WEB PADA SMA NEGERI 3 SUKOHARJO Fuad Nur Hasan; Eka Kusuma Pratama
Akrab Juara : Jurnal Ilmu-ilmu Sosial Vol. 9 No. 2 (2024): Mei
Publisher : Yayasan Azam Kemajuan Rantau Anak Bengkalis

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

Abstract

Proses penyampaian informasi di SMAN 3 Sukoharjo masih menggunakan sistem yang manual. Dengan sistem yang seperti ini tentunya akan memperlambat proses penyampaian informasi. Kesalahan penyampaian informasi juga sering terjadi jika masih dilakukan dengan sistem manual. Untuk mempercepat penyampaian informasi dan mengurangi kesalahan penyampaian informasi maka diperlukan sebuah sistem informasi akademik berbasis web. Dengan perantara media internet tentunya proses penyampaian informasi akan lebih cepat. Metode pengembangan sistem informasi akademik yang dipakai penulis dalam merancang sistem yang baik adalah dengan menggunakan metode waterfall. Untuk perancangan database yang diusulkan berupa Entity Relationship Diagram (ERD) dan Logical Record Structure (LRS). Teknik pengumpulan data dilakukan dengan observasi, wawancara dan studi pustaka. Implementasi program menggunakan Adobe Dreamweaver CS6 dengan data base My SQL menggunakan Php My Admin. Dengan dirancangnya sistem informasi akademik berbasis web di SMAN 3 Sukoharjo diharapkan proses penyampaian informasi menjadi lebih efektif dan efisien, sehingga warga sekolah khususnya siswa dan guru dapat mengetahui informasi yang ada kapan saja dan di mana saja.
Book Detection System At Bogor Library Using Teachable Machine Eka Kusuma Pratama; Mohamad Ridwan Apriyadi
Journal of Artificial Intelligence and Engineering Applications (JAIEA) Vol. 4 No. 2 (2025): February 2025
Publisher : Yayasan Kita Menulis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59934/jaiea.v4i2.852

Abstract

This research aims to develop a book detection system at the Bogor Library using Teachable Machine technology, focusing on improving efficiency in automatically searching and identifying books. The system is designed to replace the barcode-based search method, which is considered less flexible, especially since users often experience difficulties in returning books to their original places after reading. Through the application of machine learning, users can detect books based on their cover images with high accuracy, without needing to adjust the barcode’s position. This research involves collecting book data by capturing images from various angles to train the machine learning model. The developed model was tested under various conditions, with results showing detection accuracy above 80%, meeting the research targets. The application was developed using Flutter, with an interface designed to facilitate users in accessing book scanning and search features. The test results show that the system can detect books with high accuracy and provide information about the location of books in the library, such as shelf numbers and floors. This system is expected to improve the efficiency of book management in the library and assist users in finding and returning books to the correct location.
Analisis Sentimen pada Ulasan Aplikasi JakLingko Menggunakan Metode Naïve Bayes Ricardus Mba Dala Pati; Eka Kusuma Pratama; Tuslaela Tuslaela
Repeater : Publikasi Teknik Informatika dan Jaringan Vol. 3 No. 4 (2025): Oktober: Repeater : Publikasi Teknik Informatika dan Jaringan
Publisher : Asosiasi Riset Teknik Elektro dan Informatika Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62951/repeater.v3i4.638

Abstract

JakLingko is a digital-based public transportation integration system developed to facilitate access to various transportation modes in Jakarta. Along with the increasing number of users, reviews on the JakLingko application reflect user experiences and perceptions. This study aims to analyze the sentiment of user reviews on the Google Play Store using the Naïve Bayes method. Data collection was conducted through web scraping, resulting in 3,260 reviews. The data were preprocessed, sentiment-labeled, and classified using Orange Data Mining. The research applied a quantitative experimental approach with a machine learning framework. The classification results showed that neutral sentiment dominated user reviews, followed by negative and positive sentiments. The Naïve Bayes model achieved 100% accuracy based on the confusion matrix and other evaluation metrics such as precision, recall, and F1-score. The findings highlight that Naïve Bayes can be a reliable approach for analyzing public opinion and serve as a reference for evaluating and improving digital service applications.
Perbandingan Algoritma Naive Bayes Dan K-Nearest Neighbor Terhadap Analisis Sentimen Aplikasi Rosalia Indah Transport Herbi Satrio; Eka Kusuma Pratama
JURNAL TEKNIK INFORMATIKA UNIS Vol. 13 No. 1 (2025): Jutis (Jurnal Teknik Informatika)
Publisher : Universitas Islam Syekh Yusuf

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33592/jutis.v13i1.5327

Abstract

Analisis sentimen yang diterapkan pada aplikasi Rosalia Indah Transport melibatkan pengumpulan ulasan atau umpan balik dari pengguna. Selanjutnya, algoritma analisis sentimen digunakan untuk mengklasifikasikan ulasan tersebut sebagai positif atau negatif. Analisis sentimen ini membantu perusahaan memahami pandangan pengguna tentang aplikasi Rosalia Indah Transport dan sejauh mana aplikasi ini mampu memenuhi kebutuhan pengguna. Proses analisis sentimen pada aplikasi Rosalia Indah Transport mencakup pengumpulan ulasan dari pengguna, yang kemudian diklasifikasikan menggunakan algoritma analisis sentimen.. Hasil penelitian menunjukkan bahwa KNN memiliki kinerja yang lebih unggul dibandingkan dengan Naive Bayes dalam semua metrik yang diuji. Akurasi KNN mencapai 81.54%, sementara Naive Bayes hanya mencapai 64.94%. Precision dan recall untuk KNN juga lebih tinggi, masing-masing sebesar 82.87%, 92.29%, dibandingkan dengan Precision dan recall Naive Bayes yang hanya mencapai 81%, 64.24%. Temuan ini menunjukkan bahwa KNN adalah metode yang lebih efektif untuk analisis sentimen ulasan aplikasi Rosalia Indah Transport, yang dapat membantu pengembang dan bisnis dalam memahami dan meningkatkan kualitas aplikasi mereka.