Article Per Year (5 Year)
p-Index From 2021 - 2026
3.99
P-Index
This Author published in this journals
All Journal Teknika Explore: Jurnal Sistem Informasi dan Telematika (Telekomunikasi, Multimedia dan Informatika) EXPERT: Jurnal Manajemen Sistem Informasi dan Teknologi Jurnal Informatika Jurnal Informatika Proceeding International Conference on Information Technology and Business International conference on Information Technology and Business (ICITB) Jurnal SIMADA (Sistem Informasi dan Manajemen Basis Data) Jurnal Informasi dan Komputer JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Idealis : Indonesia Journal Information System Journal of Applied Data Sciences Jurnal Pengabdian kepada Masyarakat Aptekmas : Jurnal Pengabdian Kepada Masyarakat Jurnal Publika Pengabdian Masyarakat NEAR: Jurnal Pengabdian kepada Masyarakat Jurnal PETISI (Pendidikan Teknologi Informasi)
Sushanty Saleh
Institut Informatika Dan Bisnis Darmajaya
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Astronomy Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Public Health Social Sciences Transportation Veterinary Other

Published : 43 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 43 Documents
Search

 1   2   3   4   5 
Perbandingan Naïve Bayes dan Support Vector Machine Untuk Analisis Sentimen Pengguna Jobstreet Zai, Andica Parlindungan; Saleh, Sushanty
IDEALIS : InDonEsiA journaL Information System Vol. 9 No. 1 (2026): Jurnal IDEALIS Januari 2026
Publisher : Universitas Budi Luhur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36080/idealis.v9i1.3663

Abstract

Meningkatnya penggunaan platform pencarian kerja digital seperti Jobstreet menghasilkan banyak ulasan pengguna yang dapat dimanfaatkan untuk memahami tingkat kepuasan dan pengalaman mereka terhadap layanan tersebut. Namun, jumlah ulasan yang besar membuat analisis manual menjadi tidak efektif sehingga diperlukan pendekatan melalui analisis sentimen. Penelitian ini bertujan untuk menganalisis 4835 data ulasan pengguna jobstreet yang dimana data diperoleh dari Google Play Store dengan pendekatan text mining, eksperimen ini berupaya membandingkan dua metode klasifikasi, yaitu Naïve Bayes dan Support Vector Machine (SVM), dalam mengelompokkan ulasan pengguna jobstreet kedalam sentimen positif dan negatif. Selain itu, penelitain ini juga menerapkan teknik Synthetic Minority Over-Sampling Tecnique (SMOTE) untuk menangani ketidakseimbangan kelas pada dataset ulasan, yang sering berdampak pada penurunan kemampuan model dalam mengenali sentimen dengan jumlah data yang lebih sedikit. Hasil evaluasi menunjukan bahwa algoritma SVM memberikan performa lebih stabil dengan akurasi meningkat dari 89% menjadi 91%, sedangkan algoritma Naïve Bayes meningkat dari 88% menjadi 90%. Penerapan teknik SMOTE efektif dalam mengoptimalkan performa model dalam mendeteksi sentimen negatif, yang ditunjukan oleh kenaikan recall pada kedua model, yaitu algoritma Naïve Bayes dari 85% menjadi 95% dan SVM dari 87% menjadi 93%. Secara keseluruhan, metode SVM menjadi algoritma yang lebih unggul untuk analisis sentimen ulasan pengguna Jobstreet karena memberikan hasil yang lebih konsisten pada berbagai metrik evaluasi.
Pelatihan Manajemen Usaha Bagi Pokdarwis Kawasan Strategis Teluk Lampung Kabupaten Pesawaran Lukmanul Hakim; Suhendro Yusuf Irianto; Nursiyanto Nursiyanto; Sushanty Saleh
NEAR: Jurnal Pengabdian kepada Masyarakat Vol. 3 No. 2 (2024): NEAR
Publisher : Komunitas Dosen Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32877/nr.v3i2.1322

Abstract

Wisata bahari di kawasan strategis Teluk Lampung kabupaten Pesawaran memiliki potensi yang besar untuk wisata provinsi Lampung. Manajemen usaha merupakan salah satu upaya mengatur segala hal dalam menjalankan usaha sehingga dapat mencapai tujuan yang diharapkan. Manajemen usaha yang dimaksudkan antaranya yaitu manajemen sumber daya manusia, manajemen pemasaran, dan manajemen keuangan. Pokdarwis merupakan kelompok masyarakat sadar wisata di kabupaten Pesawaran. Kegiatan pengabdian ini bertujuan untuk memberikan pelatihan manajemen usaha sebagai upaya untuk mengedukasi pengelolaan usaha bagi Pokdarwis Kawasan strategis pesisir Teluk Lampung. Hasil kegiatan ini adalah Pokdarwis memiliki kemampuan dalam manajemen usaha yang baik untuk pengelolaan jangka panjang objek wisata Bahari yang dikelola dan peningkatan usaha Pokdarwis.
OPTIMALISASI PENANGANAN SPARSITY MENGGUNAKAN RANDOM FOREST, DEEP LEANING, DAN HOT-DECK IMPUTATION Lestari, Sri; Satrio, Rafli Banu; Kurniawan, Hendra; Saleh, Sushanty
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 11, No 1 (2026)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v11i1.7692

Abstract

Sparsity data dalam sistem rekomendasi dapat menurunkan akurasi prediksi dan relevansi saran. Penelitian ini membandingkan tiga metode imputasi—Random Forest Imputation, Deep Learning-Based Imputa-tion, dan Hot-Deck Imputation—dengan evaluasi menggunakan RMSE pada berbagai tingkat sparsitas. Hasil menunjukkan bahwa Random Forest Imputation consistently menghasilkan RMSE terendah di semua kondisi. Pada sparsitas 20%, metode ini lebih unggul dibandingkan Deep Learning-Based Imputation dengan selisih hingga 0.443 dan Hot-Deck Imputation hingga 0.338. Perbedaan RMSE se-makin meningkat seiring bertambahnya sparsitas, dengan selisih terbesar pada sparsitas tertinggi masing-masing dataset. Secara kese-luruhan, Random Forest Imputation terbukti paling efektif dalam me-nangani sparsitas dan meningkatkan akurasi rekomendasi.
Co-Authors - Nurjoko Agus, Isnandar Alan Bima Mismin Anggi Andriyadi Arman Suryadi Karim, Arman Suryadi Arnande, Muhammad Fivo Ayu Firdhayanti Azzahra, Layla Baehaqi Bobby Bachry Chendy Novia Basri DeppiLinda Dona Yulawati Dona Yuliawati Egi Safitri Endang Astitin Gita Suci Anggraini Halimah Halimah Halimah Yunus Handoyo Widi Nugroho Hasan Basri Hasan Basri Hendra Kurniawan Hernawati Hernawati Hery Yufrizal Hery Yufrizal Indera Indera Indera Irva, Rendi Eriyanta Kristian, Agustinus Linda Septarina Linda Septarina, Linda Melda Agarina Mutiara, Suci Neni Purwati Nevo Pratama Putra Nursiyanto Pebrina Swissia Pebrina Swissia Rini Nurlistiani Ruki Rizal Satrio, Rafli Banu Sifaul Khoiri Sri Handayani Sri Karnila Sri Lestari Suci Mutiara Suhendro Yusuf T.M Zaini TM Zaini Toni Fedrik Wasilah Wasilah Y. Suhendro Yuliawaati, Dona Zai, Andica Parlindungan Zaini, TM Zakaria, Asrul