Article Per Year (5 Year)
p-Index From 2021 - 2026
6.968
P-Index
This Author published in this journals
All Journal snimed Seminar Nasional Aplikasi Teknologi Informasi (SNATI) Proceedings of KNASTIK Semantik Prosiding Seminar Nasional Sains Dan Teknologi Fakultas Teknik JSI: Jurnal Sistem Informasi (E-Journal) Jurnal SOLMA Jurnal Ilmiah Matrik JuSiTik : Jurnal Sistem dan Teknologi Informasi Komunikasi Progresif: Jurnal Ilmiah Komputer Zonasi: Jurnal Sistem Informasi Jurnal Informatika dan Rekayasa Perangkat Lunak Jurnal Sistem Informasi dan Sains Teknologi MEANS (Media Informasi Analisa dan Sistem) Jurnal Teknimedia: Teknologi Informasi dan Multimedia CITIZEN: Jurnal Ilmiah Mulitidisiplin Indonesia Jurnal Abdimas Musi Charitas Jurnal Sistem Informasi JSITP JSITIK: Jurnal Sistem Informasi dan Teknologi Informasi Komputer Jurnal Ilmiah Sistem Informasi MDP Student Conference Jurnal Sistem Informasi Journal Of Informatics And Busisnes Jurnal TEFSIN ( Jurnal Teknik Informatika dan Sistem Informasi) Scientica: Jurnal Ilmiah Sains dan Teknologi Jurnal Ilmiah Computer Science Masterpiece: Journal of Islamic Studies and Social Sciences Journal of Technology and System Information Jurnal Riset Teknik Komputer Jurnal Sains Sistem Informasi Jurnal Riset Sistem Informasi Jurnal Sistem Informasi, Manajemen dan Teknologi Informasi INTECH - Informatika Dan Teknologi
Andri Wijaya
Universitas Katolik Musi Charitas
Religion Agriculture, Biological Sciences & Forestry Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Medicine & Pharmacology Nursing Public Health Social Sciences Other

Published : 65 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 65 Documents
Search

 2   3   4   5   6 
Analisis Sentimen Google Glass Pada Pengguna Twitter Dengan Metode Lexicon Based Crecia, Crecia; Michael Junius Aguswan; Andri Wijaya
Jurnal Sistem Informasi dan Teknologi Peradaban Vol. 4 No. 2 (2023): Jurnal Sistem Informasi dan Teknologi Peradaban
Publisher : Prodi Sistem Informasi Universitas Peradaban

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58436/jsitp.v4i2.1665

Abstract

Google Glass merupakan bukti dari salah satu kemajuan teknologi, dimana teknologi ini dapat mengakses hampir seluruh komponen yang terdapat didalam smartphone. Namun banyaknya kontravensi membuat produk google ini sempat berhenti produksi dan menarik edaran dimasyarakat. Hal ini dikarenakan produk google ini membuat banyaknya masyarakat yang khawatir bahwa kacamata pintar ini melanggar hak dan privasi. Hingga kini produk kacamata pintar ini memiliki 4 generasi dan rata-rata digunakan oleh para perusahaan atau pekerja. Para pekerja tersebut sangat terbantu, namun disisi lain jika dipakai oleh masyarakat umum maka akan menimbulkan ketidaknyamanan Oleh sebab itu, maka dalam penelitian ini kami mengangkat tema Google Glass disalah satu media sosial yaitu Twitter untuk mengetahui apakah banyak diantara masyarakat yang setuju, bersikap netral atau tidak setuju dengan teknologi ini. Maka metode yang sesuai adalah analisis sentimen menggunakan metode lexicon based. Dalam penelitian ini Terdapat 1000 data tweets yang telah di crawling data kemudian nantinya data tersebut akan melalui tahap text processing (cleaning & stemming), dianalisis dan divisualisasikan. Sehingga hasil dari penelitian ini adalah banyak masyarakat di Twitter memberikan ulasan positif dengan skor 386
ANALISIS SENTIMEN ULASAN APLIKASI DEEPL PADA GOOGLE PLAY DENGAN METODE SUPPORT VECTOR MACHINE (SVM) Septi Putri; Yohanes Agung Apriyanto; Andri Wijaya
Jurnal Sistem Informasi (JUSIN) Vol 4 No 2 (2023): Jurnal Sistem Informasi
Publisher : ITB Ahmad Dahlan Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32546/jusin.v4i2.2368

Abstract

Di era globalisasi dan kemajuan teknologi, pertumbuhan penggunaan aplikasi mobile mengalami perkembangan yang pesat. Memahami tingkat kepuasan dan ketidakpuasan pengguna terhadap aplikasi seluler sangatlah penting. Salah satu aplikasi penerjemah online yang sangat populer di Google Play Store adalah DeepL yang menggunakan teknologi kecerdasan buatan untuk menerjemahkan bahasa. DeepL telah menjadi alat yang sangat berguna bagi individu dan organisasi dalam mengatasi hambatan bahasa. Penelitian ini bertujuan untuk melakukan analisis sentimen terhadap review pengguna aplikasi DeepL pada platform Google Play Store, dengan menggunakan metode klasifikasi Support Vector Machine. Metode klasifikasi Support Vector Machine (SVM) merupakan salah satu pendekatan klasifikasi dalam ranah pembelajaran terbimbing dalam data mining. Keunggulan SVM terletak pada kemampuannya menangani data input nonlinier dan berdimensi tinggi dengan memanfaatkan fungsi kernel. Pengumpulan data dilakukan dengan teknik Web Scraping dengan menggunakan Python. Hasil penelitian ini menunjukkan tingkat akurasi sebesar 91% yang mencerminkan seberapa baik model Support Vector Machine (SVM) dalam mengklasifikasikan data. Dalam penelitian tersebut diketahui bahwa model memiliki tingkat presisi yang tinggi terutama pada kategori ‘Positif’ sebesar 94% yang menunjukkan kemampuan model dalam mengenali data yang termasuk dalam sentimen positif secara akurat.
Analisis Sentimen Pengunaaan Aplikasi Kinemaster Menggunakan Metode Naive Bayes Kevin, Kevin; Enjeli, Margareta; Wijaya, Andri
Jurnal Ilmiah Computer Science Vol. 2 No. 2 (2024): Volume 2 Number 2 January 2024
Publisher : PT. SNN MEDIA TECH PRESS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58602/jics.v2i2.24

Abstract

Penelitian ini bertujuan untuk menganalisis sentimen terkait penggunaan aplikasi Kinemaster dengan menggunakan metode Naive Bayes. Fokus utama adalah memahami sentimen pengguna yang terungkap dari ulasan dan umpan balik terkait Kinemaster, sebuah aplikasi penyunting video yang populer. Tujuan utama adalah menerapkan teknik machine learning, khususnya klasifikasi Naive Bayes, untuk mengidentifikasi dan mengelompokkan sentimen yang terungkap dalam ulasan pengguna. Metodologi penelitian ini melibatkan pengumpulan dataset yang signifikan berupa ulasan dan umpan balik yang dihasilkan oleh pengguna terkait aplikasi Kinemaster dari berbagai platform online. Untuk mempersiapkan dataset untuk analisis, teknik preprocessing diterapkan guna membersihkan dan mempersiapkan data. Selain itu, algoritma Naive Bayes digunakan untuk mengklasifikasikan sentimen yang terungkap dalam ulasan Google Play Store sebagai positif, negatif, atau netral. Ulasan di Google Play Store terus bertambah dari hari ke hari. Oleh karena itu, perlu dilakukan analisis terhadap ulasan-ulasan tersebut melalui analisis sentimen terhadap ulasan-ulasan KineMaster. Langkah pertama dalam analisis sentimen adalah observasi, preprocessing, yaitu proses tokenisasi, stopword removal, dan stemming. Data dibagi menjadi dua bagian, yaitu data latih dan data uji, dengan perbandingan 80:20. Algoritma yang digunakan adalah Naive Bayes classifier yang memiliki akurasi 85%, presisi 82%, recall 74% dan f1 score 78%.
Peran Ikatan Mahasiswa Muhammadiyah dalam Membentuk Karakter Islami Mahasiswa Universitas Muhammadiyah Tangerang Azzahra, Violina; Wijaya, Andri
Masterpiece: Journal of Islamic Studies and Social Sciences Vol. 2 No. 4 (2024): Masterpiece: Journal of Islamic Studies and Social Sciences
Publisher : Penerbit Minhaj Pustaka

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62083/6aqbxf77

Abstract

This study aims to describe and determine the role of the Muhammadiyah Student Association in forming students with Islamic character at the University of Muhammadiyah Tangerang. This study uses a qualitative descriptive approach with data collection methods through interviews, observations, and documentation. Data analysis with data reduction, data display, and data verification. The results of the study indicate that the role of the Muhammadiyah Student Association in forming the Islamic character of students at the University of Muhammadiyah Tangerang began with the Darul Arqam Dasar cadre training activities which were very influential in forming the character of IMM cadres, then from the training produced several Islamic characters that could be formed in each individual cadre. The results of the study found that the role of IMM cadres in forming the Islamic character of students was by acting as mentors in mentoring activities, and becoming tutors for Al-Qur'an reading guidance.   Abstrak Penelitian ini bertujuan untuk mendeskripsikan dan mengetahui peranan Ikatan Mahasiswa Muhammadiyah dalam membentuk mahasiswa yang berkarakter Islami di Universitas Muhammadiyah Tangerang. Penelitian ini menggunakan pendekatan deskriptif kualitatif dengan metode pengumpulan data melalui wawancara, observasi, dan dokumentasi. Analisis data dengan reduksi data, display data, dan verifikasi data. Hasil penelitian menunjukkan bahwa peranan Ikatan Mahasiswa Muhammadiyah dalam membentuk karakter Islami mahasiswa di Universitas Muhammadiyah Tangerang berawal dari kegiatan pengkaderan Darul Arqam Dasar yang sangat berpengaruh dalam pembentukan karakter kader IMM, kemudian dari pengkaderan tersebut menghasilkan beberapa karakter islam yang dapat terbentuk dalam setiap individu kader. Pada hasil penelitian ditemukan bahwa peranan kader IMM untuk membentuk karakter Islami mahasiswa yaitu dengan berperan sebagai mentor di kegiatan mentoring, dan menjadi tutor bimbingan baca Al-Qur’an
KLASIFIKASI KATEGORI PRODUK TERLARIS PADA E-COMMERCE MENGGUNAKAN ALGORITMA NAIVE BAYES Sumual, Imanuel Marcell; Supriadi, Jonathan; Effendy, Ellena; Wijaya, Andri
Jurnal Sistem Informasi (JUSIN) Vol 5 No 2 (2024): Jurnal Sistem Informasi
Publisher : ITB Ahmad Dahlan Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32546/jusin.v5i2.2893

Abstract

Naive Bayes algorithm used to classify the best-selling product categories in e-commerce. The data used comes from a public Kaggle dataset, comprising 250,000 transactions during the 2020–2023 period. The analysis process follows the CRISP-DM model, including stages such as business understanding, data preparation, modeling, and model evaluation using a confusion matrix. Evaluation results show that the model achieved an accuracy of 92.64%, precision of 91.51%, and recall of 96.68%. The analysis revealed that the best-selling product category is Clothing, followed by Books, Electronics, and Home. This study demonstrates that the Naive Bayes algorithm can be effectively implemented to support stock management and data-driven marketing strategies in e-commerce.
PERENCANAAN STRATEGIS SISTEM INFORMASI (STUDI KASUS : CV XYZ) Septi Putri; Afifah Azzahra; Yohanes Agung Apriyanto; Andri Wijaya
Jurnal Sistem Informasi (JUSIN) Vol 5 No 2 (2024): Jurnal Sistem Informasi
Publisher : ITB Ahmad Dahlan Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32546/jusin.v5i2.2902

Abstract

In today's rapidly evolving digital era, information systems (IS) play a crucial role in supporting business operations, especially in trading and distribution companies like CV XYZ. CV XYZ specializes in the distribution of fast-moving consumer goods (FMCG), such as snacks, beverages, and confectionery products. To enhance operational efficiency, strategic information system planning is essential to align IS/IT investments with long-term business goals.this study aims to develop an IS strategic plan for CV XYZ to optimize business operations and improve competitiveness. Using a qualitative approach, data collection involved interviews and literature reviews. Analytical methods, including PESTLE, SWOT, and Gap Analysis, were employed to evaluate internal and external factors influencing the company's IS/IT needs.Key findings indicate that CV XYZ requires an integrated information system to manage inventory, transactions, and financial reporting in real time. Recommended strategies include implementing Customer Relationship Management (CRM) systems, enhancing data security, expanding IT infrastructure, and developing cloud-based solutions. The proposed roadmap outlines a phased IS/IT implementation over 3–5 years, emphasizing the integration of existing applications with advanced technologies to support sustainable growth.The study concludes that strategic IS planning enables CV XYZ to address operational challenges, leverage digitalization opportunities, and improve customer satisfaction. Recommendations include enhancing system integration, upgrading cybersecurity measures, and fostering strategic partnerships to achieve competitive advantages and adapt to market dynamics.
Penggunaan Machine Learning (ML) dan Natural Language Processing (NLP) Untuk Mendeteksi Sentimen Ancaman Siber Wijaya, Andri; Putra, Steven Adi
Jurnal Informatika dan Rekayasa Perangkat Lunak Vol 6, No 2 (2024): September
Publisher : Universitas Wahid Hasyim

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36499/jinrpl.v6i2.10818

Abstract

Keamanan siber telah menjadi isu kritis di era digital, dengan bukti 3 tahun terakhir terdapat 6 kasus cybercrime di Indonesia yang menyerang server salah satunya yang terbaru pencurian data Bank Syariah Indonesia pada bulan mei yang mengakibatkan server lumpuh selama 5 hari dan dampaknya nasabah tidak dapat mengakses aplikasi mobile banking. Dari berbagai kasus cybercrime yang terjadi di Indonesia perlu kita mengetahui tren sentimen publik saat ini tentang hal tersebut dan salah satu sumber sentimen publik yaitu twitter. Penggunaan Machine Learning (ML) dan Natural Language Processing (NLP) telah menjadi fokus utama dalam memahami sentimen publik yang terkandung dalam data twitter. Penelitiani ini mengusulkan sebuah pendekatan yang menggabungkan teknik-teknik ML dan NLP untuk mendeteksi sentimen dalam tweet. Metode ini mencakup tahap pre-processing untuk membersihkan dan mengubah teks tweet menjadi representasi vektor, diikuti oleh penerapan model klasifikasi ML yaitu Naïve Bayes untuk mengidentifikasi sentimen positif, negatif atau netral dari dataset tweet. Penelitian ini memanfaatkan sekumpulan data tweet yang telah dikumpulkan dan diannotasi dengan menggunakan python untuk melatih dan menguji model. Hasil eksperimen menunjukan bahwa pendekatan yang diusulkan berhasil menghasilkan klasifikasi sentimen dengan tingkat akurasi sebesar 62% dapat disimpulkan akurasi model masih memuaskan dengan nilai recall positif sebesar 74% artinya sentimen publik dari tweet masih mengandung kata-kata bersifat positif.
Perbandingan Algoritma Naïve Bayes Dan Support Vector Machine Dalam Menentukan Sentimen Publik Terhadap Copilot Agustio Dwitama; Meilinda, Meilinda; Julian Masidin, Nevin; Wijaya, Andri
Jurnal Sistem Informasi, Manajemen dan Teknologi Informasi Vol. 3 No. 1 (2025): Januari
Publisher : STMIK Palangkaraya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33020/jsimtek.v3i1.800

Abstract

Chatbot modern, termasuk Copilot dari Microsoft Edge, berkembang pesat berkat teknologi pemrosesan bahasa alami (NLP). Penelitian ini menganalisis sentimen publik terhadap Copilot menggunakan algoritma Naïve Bayes dan Support Vector Machine (SVM). Dengan mengumpulkan 20.000 ulasan dari Google Play Store melalui library Python “google_play_scraper”, data diproses dengan langkah-langkah preprocessing, diikuti pelabelan menggunakan VADER untuk mengklasifikasikan ulasan menjadi positif, negatif, dan netral. Metode TF-IDF digunakan untuk mengindeks dan memberikan bobot pada istilah sebelum menerapkan model pencarian berbasis vektor. Hasil evaluasi menunjukkan SVM unggul dibandingkan Naïve Bayes dalam akurasi (96,54% vs 90,32%), precision, recall, dan F1-score, terutama dalam mendeteksi ulasan negatif. Word Cloud analisis menunjukkan kata kunci positif dominan seperti "app" dan "good", mencerminkan persepsi pengguna yang baik terhadap Copilot. Penelitian ini merekomendasikan pengoptimalan lebih lanjut untuk Naïve Bayes dan menegaskan bahwa SVM adalah pilihan lebih baik untuk analisis sentimen kompleks.
Penggunaan Machine Learning (ML) dan Natural Language Processing (NLP) untuk mendeteksi Sentimen Ancaman Siber Wijaya, Andri; Putra, Steven Adi
Jurnal Informatika dan Rekayasa Perangkat Lunak Vol. 7 No. 1 (2025): Maret
Publisher : Universitas Wahid Hasyim

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

Abstract

Cybersecurity has become a critical issue in the digital era, with evidence in the last 3 years there have been 6 cybercrime cases in Indonesia that attacked servers, one of which was the latest theft of Bank Syariah Indonesia data in May which resulted in the server being paralyzed for 5 days and the impact was that customers could not access the mobile banking application. From the various cybercrime cases that have occurred in Indonesia, we need to know the current trend of public sentiment about it and one of the sources of public sentiment is Twitter. The use of Machine Learning (ML) and Natural Language Processing (NLP) has become a major focus in understanding public sentiment contained in twitter data. This research proposes an approach that combines ML and NLP techniques to detect sentiment in tweets. The method includes a pre-processing stage to clean and transform the tweet text into a vector representation, followed by the application of ML classification model namely Naïve Bayes to identify positive, negative or neutral sentiments from the tweet dataset. This research utilizes a set of collected and annotated tweet data using python to train and test the model. The experimental results show that the proposed approach successfully produces sentiment classification with an accuracy rate of 62%. It can be concluded that the accuracy of the model is still satisfactory with a positive recall value of 74%, meaning that the public sentiment of the tweets still contains words of a positive nature.
Perencanaan Strategis Sistem Informasi pada Perusahaan XYZ di Palembang Masidin, Nevin Julian; Meilinda, Meilinda; Dwitama, Agustio; Wijaya, Andri
MDP Student Conference Vol 4 No 1 (2025): The 4th MDP Student Conference 2025
Publisher : Universitas Multi Data Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35957/mdp-sc.v4i1.11186

Abstract

Information system strategic planning is an important step in supporting business sustainability and growth, especially in today's digital era. XYZ Company in Palembang faces challenges in managing information systems, such as less than optimal data security, high manual usage (paper recording) in operations, and suboptimal use of data to support strategic decision making that can hinder efficiency and competitiveness. This study aims to develop an integrated information system strategy using the Ward and Peppard method, as well as SWOT and PESTLE analysis to evaluate the internal and external environment. The results of the analysis indicate the need to increase the use of digital technology for operational transformation and data-based decision making. So that this study can provide solutions for companies in utilizing information systems to improve efficiency, innovation, and competitiveness in the industry.
Co-Authors Aditya, Putra Adtiya, Setenilaus Afifah Azzahra Agnes Felicia Lubis Agustio Dwitama Agustio Dwitama Aguswan, Michael Junius Alessandro, Andreas Alexander Novaldi Alfonso Sitompul Aloisius Egi Sanjaya Andreas Alessandro Andreas Alessandro Fernando Putra Anggoro, Deo Ardi Riyadi Arif Aliyanto Arif Aliyanto Arif Aliyanto Arif Aliyanto Arif Aliyanto Arron Mosses Jhon Hadi Arron Mosses Jhon Hadi Ayu Elisya Natama Sianturi Ayu Elisya Natama Sianturi Azzahra, Afifah Azzahra, Violina Buchori Asyik Clara Nababan Crecia Crecia Crecia Crecia Crecia, Crecia Damayanti, Lily Daniawan, Benny Daniel Marcello Deo anggoro Dwitama, Agustio Effendy, Ellena Enjeli, Margareta Erwin Erwin Erwin erwin Filikano, Thomas Gunawan, Andronikus Hanna Christy Iskandar Syah Jacqueline Henny P Johan Abisay Tambunan Jonathan Supriadi Julian Masidin, Nevin Ketut Agus Wiikananda Kevin kevin Kusneti, Leni Latius Hermawan Maria Bellaniar Ismiati Martinus Ponco Pamungkas Masidin, Nevin Julian Meilinda Meilinda Meilinda Michael Junius Aguswan Michael Junius Aguswan Muhammad Basri Mutia Maharani Novaldi, Alexander P. Arindra Pratama Pamungkas, Martinus Ponco Petra Putri Ardika Pratama, Paskalis Arindra Putra, Steven Adi Ratu, Anggitta Rosana Rosana Seli Septi Putri Septi Putri Azzahra Septia Angelika Gettin daely, Septia Angelika Gettin daely Setenilaus Aditya Simbolon, Defrianti Simbolon, Defrianti Sri Andayani Sri Andayani Stefanus Agung Sagita Stefanus Charles Selvianto, Stefanus Charles Selvianto Sugiarti, Sabar Sumual, Imanuel Marcell Supriadi, Jonathan Theresia Anita Theresia Oktarina Thomas Filikano Thomas Filikano VF Anindya W Wayan Pondra Lesmana Yakub, Handoyo Yohanes Agung Apriyanto