Article Per Year (5 Year)
p-Index From 2021 - 2026
0.983
P-Index
This Author published in this journals
All Journal International Journal of Electrical and Computer Engineering Jurnal Simetris TELKOMNIKA (Telecommunication Computing Electronics and Control) Proceeding Information Technology Format : Jurnal Imiah Teknik Informatika Jurnal Nasional Pendidikan Teknik Informatika (JANAPATI) Jurnal Ilmu Teknik dan Komputer Indonesian Journal of Electrical Engineering and Computer Science Teknika
Mujiono Sadikin
Universitas Mercu Buana
Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering

Published : 21 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Format : Jurnal Imiah Teknik Informatika

 1 
Prediksi Penjualan Produk Untuk Mengestimasi Kebutuhan Bahan Baku Menggunakan Perbandingan Algoritma LSTM dan ARIMA Efrike Sofyani Putri; Mujiono Sadikin
FORMAT Vol 10, No 2 (2021)
Publisher : Universitas Mercu Buana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/format.2021.v10.i2.007

Abstract

Perkembangan industri pangan di dunia termasuk Indonesia yang meningkat menyebabkan masyarakat terbiasa dengan segala sesuatu yang serba cepat dan praktis. Begitu pula dengan pola masyarakat dalam mengkonsumsi makanan yang sebisa mungkin dapat diselesaikan dalam waktu singkat. Hal tersebut berdampak pada timbulnya kebutuhan masyarakat terhadap makanan yang cepat dan instant. Kehadiran fast food langsung disukai masyarakat salah satunya produk yang dibuat dengan cara handmade, perusahaan ini menjual makanan frozen food dengan berbagai varian rasa dan memiliki pelanggan dari berbagai macam daerah. Makalah ini menyajikan hasil penelitian prediksi penjualan kebutuhan bahan baku dengan menggunakan perbandingan algoritma LSTM dan Arima untuk mengestimasi rasa yang paling laku di tahun yang akan datang. Hasil penelitian menunjukkan bahwa metode LSTM dengan komposisi data latih 63% dan data uji 37% , range interval [-1,1] dan epoch sebanyak 100 menghasilkan kinerja paling baik. Metode tersebut menghasilkan nilai rata – rata RMSE proses testing model LSTM sebesar 0,22 sementara model ARIMA sebesar 60,21. Hasil persentase rata-rata kesalahan model antara nilai perhari yang terkecil menggunakan MAPE,metode LSTM sebesar 29,57% dan model ARIMA sebesar 73%. Dari kinerja yang diperoleh masing-masing model, dapat disimpulkan bahwa penggunaan model LSTM untuk kasus ini lebih baik dari pada ARIMA.
Analisis Sentimen Transportasi Online pada Twitter Menggunakan Metode Klasifikasi Naïve Bayes dan Support Vector Machine Enos Dwianto; Mujiono Sadikin
FORMAT Vol 10, No 1 (2021)
Publisher : Universitas Mercu Buana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/format.2021.v10.i1.009

Abstract

Transportasi online  merupakan salah satu pilihan bagi masyarakat untuk berkegiatan sehari-hari baik saat bekerja, bepergian dan melakukan aktivitas lain. Salah satu cara untuk mengetahui persepsi masyarakat terhadap layanan transportasi online adalah dengan analisis sentimen seperti yang dilakukan pada penelitian ini. Data yang digunakan merupakan data valid dari sosial media Twitter untuk Transportasi online GrabId dan GojekIndonesia. Teknik analisis sentimen yang digunakan adalah  Naïve Bayes Classifier dan metode Support Vector Machine (SVM). Keduanya digunakan untuk membandingkan tanggapan masyarakat dari analisis sentimen data tweet yang telah diklasifikasikan menjadi positif dan negatif. Berdasarkan penelitian ini didapatkan bahwa GrabId menggunakan metode SVM memberikan hasil class precision positif dan negatif yaitu 86.47% dan 46.67%, class recall positif dan negatif yaitu 96.21% dan 18.06%, accuracy 84.08%. Sedangkan untuk GojekIndonesia, metode SVM memberikan hasil yaitu class precision positif dan negatif yaitu 73.90% dan 35.65%, class recall positif dan negatif yaitu 89.84% dan 15.07%, accuracy 69.50%. Dari akurasi yang dihasilkan, metode SVM  menghasilkan kinerja terbaik.
Co-Authors Arif Rifai D. Arif Rifai Dwiyanto Ashari, Marie Luthfi Efrike Sofyani Putri Enos Dwianto Fadli Aziz Setiawan Fahri Alfiandi Ionia Veritawati Ito Wasito Kaburuan, Emil Robert Laras Wiranda Marie Luthfi Ashari Nurfiyah Pratama Yusuf, Ajif Yunizar Purwanto S. Katidjan, Purwanto S. Purwanto SK Raka Yusuf Trisnojuwono, Adi Wati, Yatria Atna Widowati, Tanthy Tawaqalia Wiranda, Laras