Article Per Year (5 Year)
p-Index From 2021 - 2026
7.108
P-Index
This Author published in this journals
All Journal JUTI: Jurnal Ilmiah Teknologi Informasi Jurnal Teknologi Informasi dan Ilmu Komputer Journal of Information Technology and Computer Science Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Jurnal Informatika Global Jurnal Sistem Informasi, Teknologi Informasi, dan Edukasi Sistem Informasi (JUST-SI) Indexia
Nanang Yudi Setiawan
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Dentistry Education Electrical & Electronics Engineering Engineering Library & Information Science

Published : 60 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 60 Documents
Search

 1   2   3   4   5 
Analisis Perbandingan ARIMA dan Long-Short Term Memory dalam Prediksi Penjualan (Studi Kasus: PT XYZ) Pramudita, Julina Larasati; Rahayudi, Bayu; Setiawan, Nanang Yudi
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 13 (2024): Publikasi Khusus Tahun 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Jurnal ini akan dipublikasikan pada Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK)
Klasifikasi Layanan Informasi Fakultas Ilmu Komputer Universitas Brawijaya Melalui Retrieval-based Chatbot Menggunakan Metode Naïve Bayes dan TF-IDF Faranisa, Puspa Ayu; Bachtiar, Fitra A.; Setiawan, Nanang Yudi
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 13 (2024): Publikasi Khusus Tahun 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Jurnal ini akan dipublikasikan pada Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK)
Analisis Sentimen Masyarakat Terhadap Layanan Ub Press Dengan Menggunakan Metode Naïve Bayes Dan Lexicon-Based Features Sormin, Hartati Penta Angelina; Ratnawati, Dian Eka; Setiawan, Nanang Yudi
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 4 (2024): April 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Penelitian ini memiliki tujuan untuk menganalisis sentimen masyarakat terhadap layanan UB Press dengan menggunakan metode klasifikasi Naïve Bayes dan fitur berbasis leksikon. Fokus utama penelitian adalah untuk mendapatkan informasi mengenai analisis sentimen opini masyarakat terhadap layanan UB Press, dengan tujuan meningkatkan kualitas layanan. Data penelitian diperoleh dari ulasan yang terdapat pada platform Bukalapak, Shopee, Google Maps, dan Tokopedia. Pengumpulan data dilakukan menggunakan ekstensi Chrome, Instant Data Scraper. Selanjutnya, data diolah melalui serangkaian tahap, antara lain translasi, pelabelan dengan leksikon, pre-processing, pembagian data latih dan data uji, pembobotan TF-IDF, klasifikasi sentimen, dan pengujian. Pengujian dilakukan dengan menggunakan confusion matrix dan menunjukkan rata-rata akurasi model klasifikasi mencapai 87,83%. Hasil ini menjadi indikasi bahwa secara keseluruhan, model memiliki kemampuan yang baik dalam mengklasifikasikan data dengan benar. Data dengan klasifikasi negatif selanjutnya dianalisis dengan menggunakan metode Root Cause Analysis (RCA). Hasil analisis menunjukkan bahwa UB Press membutuhkan perbaikan pada aspek toko, buku, harga, pelayanan, dan pengiriman. Rekomendasi perbaikan yang dapat diberikan meliputi penyusunan buku yang lebih baik, peningkatan stok, evaluasi strategi harga, responsivitas yang lebih baik, dan perbaikan dalam proses pengiriman.
Analisis Sentimen Berbasis Aspek untuk Pengguna PLN Mobile Pada Google Playstore Menggunakan Metode Support Vector Machine (SVM) Hilal, Khaliffman Rahmat; Setiawan, Nanang Yudi; Ratnawati, Dian Eka
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 7 (2024): Juli 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Perusahaan Listrik Negara atau dikenal dengan PT. PLN (Persero) merupakan perusahaan yang bergerak dibidang jasa penyedia listrik di Indonesia dan termasuk Badan Usaha Milik Negara. Untuk memahami aspek-aspek yang memberikan pengaruh positif dan negatif pada aplikasi PLN Mobile, serta perbedaan signifikan dalam rating aplikasi serupa seperti MyPertamina, penelitian ini dilakukan. Penelitian ini berfokus pada ulasan pengguna dari Juli 2023 hingga April 2024 yang berbahasa Indonesia. Metode yang digunakan meliputi Latent Dirichlet Allocation (LDA) untuk mengekstrak aspek-aspek dari sentimen pengguna dan Support Vector Machine (SVM) untuk mengklasifikasikan sentimen tersebut. Data dikumpulkan melalui web scraping dari Google PlayStore, kemudian diproses melalui beberapa tahapan seperti normalisasi, tokenisasi, dan stemming. Hasil analisis menunjukkan bahwa metode yang digunakan mampu mengidentifikasi aspek-aspek kunci yang mempengaruhi sentimen pengguna, baik secara positif maupun negatif. Evaluasi model dilakukan menggunakan Confusion Matrix dan K-Fold Cross-Validation untuk memastikan akurasi klasifikasi sentimen. Visualisasi hasil analisis ditampilkan dalam bentuk Word Cloud untuk memberikan gambaran yang lebih jelas mengenai distribusi sentimen. Analisis lanjutan menggunakan Root Cause Analysis: 5 Why’s membantu mengidentifikasi faktor-faktor yang mendasari sentimen negatif. Penerapan Root Cause Analysis: 5 Why’s menemukan beberapa akar permasalahan yang menjadi alasan munculnya ulasan negatif yang dapat memberikan pengetahuan yang dapat digunakan untuk mengembangkan aplikasi PLN Mobile.
Pengaruh Transfer Learning ResNet dan DenseNet Terhadap Performa Klasifikasi Ekspresi Wajah Menggunakan Dataset FER-2013 Edmund Pierre Purba, Geoffrey; Wijoyo, Satrio Hadi; Setiawan, Nanang Yudi
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 7 (2024): Juli 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Pengenalan ekspresi wajah adalah aspek penting dalam komunikasi nonverbal, dan pentingnya telah memicu penelitian yang signifikan dalam bidang kecerdasan buatan. Studi ini menyelidiki efek transfer learning menggunakan arsitektur Convolutional Neural Network (CNN), khususnya ResNet50 dan DenseNet121, pada performa pengenalan ekspresi wajah. Studi ini bertujuan untuk menganalisis dampak transfer learning pada performa mereka. Hasilnya menunjukkan bahwa implementasi transfer learning pada DenseNet121 dan ResNet50 dapat meningkatkan performa mereka secara signifikan, dengan DenseNet121 mencapai akurasi 95,1% pada set pelatihan dan 88.57% pada set validasi dan ResNet50 mencapai akurasi 100% pada set pelatihan dan 81.43% pada set validasi. Studi ini juga melakukan pengujian dengan melakukan prediksi menggunakan dataset baru yang tidak termasuk kedalam pelatihan model. Hasil pengujian menemukan bahwa fine-tuning model pretrained dapat meningkatkan performa model. Model DenseNet121 yang telah dilatih menggunakan FER-2013 dan telah di finetuning, mencapai akurasi 78.57% dan model ResNet50 yang dilatih menggunakan FER-2013 mencapai akurasi 71.42%. Penelitian ini berkontribusi pada pemahaman tentang transfer learning dalam pengenalan ekspresi wajah dan memberikan wawasan tentang performa arsitektur ResNet50 dan DenseNet121. Temuan studi ini memiliki implikasi untuk pengembangan sistem pengenalan ekspresi wajah yang lebih akurat, yang dapat diterapkan dalam berbagai bidang seperti pengenalan emosi, interaksi manusia-komputer, dan komputasi afektif.
Segmentasi Pelanggan B2B dengan Model LRFM Menggunakan Algoritma K-Means Jannah, Nisa Usrifatul; Setiawan, Nanang Yudi; Purnomo, Welly
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 8 (2024): Agustus 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

CV Haksama Multiversa adalah perusahaan distributor offline produk herbal. CV Haksama Multiversa menerapkan sistem penjualan langsung dan pre-order, dengan target pasar adalah pelaku bisnis lain. Permasalahan yang terjadi pada perusahaan ini adalah, perusahaan kesulitan untuk menambah volume pasar, mempertahankan pelanggan yang ada, serta nilai pelanggan yang masih rendah. Serta belum memiliki informasi dalam mengidentifikasi pelanggan yang berpotensi. Segmentasi pelanggan merupakan solusi untuk permasalah tersebut. Segmentasi akan dilakukan menggunakan metode clustering K-Means dengan Model LRFM pada data transaksi penjualan CV Haksama Multiversa dengan rentang waktu tiga tahun. Dalam melakukan analisis segmentasi pelanggan digunakan metodologi penelitian yaitu, pemahaman bisnis dan identifikasi masalah, studi literatur, pengumpulan data, preprocessing data, modeling LRFM, Clustering dengan K-Measn, Uji Validitas Clustering, Analisis Cluster, 4. Konfirmasi dan Analisis Strategi Marketing. Dari hasil clustering diperoleh 3 cluster, dengan presentase cluster 0 sebanyak 47%, cluster 1 sebanyak 15%, dan cluster 2 sebanyak 38%. dengan nilai silhouette score 0.532. Tiga cluster tersebut mewakili tiga kelompok pelanggan berbeda, yaitu core customer, new customer, dan consuming resource customer. Dari ketiga profil yang dihasilkan tersebut dapat disusun rekomendasi strategi marketing yang berbeda untuk setiap kelompoknya.
Topic Modelling Pada Aktivitas Pengembangan Perangkat Lunak Menggunakan BERTopic Listyawan, Bagas Raditya Nur; Setiawan, Nanang Yudi; Saputra, Mochamad Chandra
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 8 (2024): Agustus 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Data merupakan kumpulan fakta atau informasi yang dikumpulkan, diukur, atau dihimpun untuk analisis. Dalam era digital, data pengembangan perangkat lunak menjadi sangat penting karena mencakup aktivitas yang dilakukan programmer untuk mengembangkan aplikasi. Namun, data ini sering kali menumpuk dan sulit untuk dianalisis secara manual. Oleh karena itu, pengelompokan topik menjadi penting untuk memahami tren dan evaluasi aktivitas pengembangan perangkat lunak. Penelitian ini bertujuan untuk mengelompokkan topik pada data aktivitas pengembangan perangkat lunak menggunakan metode BERTopic. Metode tersebut dikembangkan berdasarkan teknik BERT. Data yang digunakan dalam penelitian ini adalah data aktivitas pengembangan perangkat lunak. Metode penelitian meliputi pengumpulan data, preprocessing data, pembuatan corpus dan dictionary, implementasi BERTopic, serta evaluasi model menggunakan matriks topic coherence dan topic diversity. Selain itu, evaluasi juga dilakukan dengan meminta validasi langsung kepada stakeholder. Hasil penelitian menunjukkan bahwa penerapan BERTopic berhasil mengidentifikasi topik dalam data aktivitas pengembangan perangkat lunak. Evaluasi model menunjukkan hasil yang cukup akurat dengan nilai topic coherence sebesar 0.625 dan topic diversity sebesar 0.828. Selain itu, validasi berdasarkan pernyataan stakeholder memberikan respon bahwa hasil dari BERTopic memiliki kekurangan berupa topik yang overlap dan topik yang tidak terdeteksi. Penelitian ini menyimpulkan bahwa BERTopic cukup layak dalam mengelompokkan topik pada data aktivitas pengembangan perangkat lunak. Namun, diperlukan penyesuaian parameter untuk memaksimalkan hasil.
Klasifikasi Donatur Pada Yayasan Jajan Pahala Menggunakan Algoritma Random Forest Wibisono, Nusa Seldi; Wicaksono, Satrio Agung; Setiawan, Nanang Yudi
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 9 (2024): September 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Yayasan Jajan Pahala adalah salah satu yayasan yang bergerak pada bidang sosial, keagamaan, dan kemanusiaan yang sudah ada sejak tahun 2015 dan resmi menjadi yayasan pada tahun 2019. Pada pelaksanaan kegiatan yang dilakukan, Yayasan Jajan Pahala mendapatkan data mengenai donasi yang dilakukan dan data informasi donatur yang berdonasi. Data tersebut hanya disimpan dan tidak ada analisis lebih jauh dari data yang diperoleh. Padahal, dari data yang didapatkan itu bisa diolah dan dianalisis menjadi informasi yang berguna untuk mendukung keputusan berdasarkan data. Salah satu bentuk analisis data adalah klasifikasi untuk mengelompokkan kelas dari data tersebut. Penulis bertujuan untuk menggunakan model klasifikasi pada data donatur untuk mengklasifikasikan apakah donatur akan rutin berdonasi atau hanya sekali berdonasi. Dari penerapan model klasifikasi tersebut akan dilihat bagaimana hasil evaluasinya. Algoritma yang digunakan pada klasifikasi adalah random forest dengan kombinasi cross-validation dan tuning hyperparameter. Data donatur yang digunakan sebanyak 227 data yang memuat mengenai informasi donatur. Dari penerapan model klasifikasi random forest didapatkan hasil akurasi pada V-fold Cross Validation sebesar 0,729 dengan parameter yang paling optimal pada mtry 13 dan min_n 20. Hasil evaluasi model dengan akurasi, presisi, recall, dan f-measure mendapatkan nilai secara berurutan sebesar 78%, 67%, 57%, dan 61%. Hasil ini mendeskripsikan bahwa performa model cukup baik.
Analisis Upaya Pengurangan Jejak Karbon dalam Aplikasi Perangkat Bergerak Grab dan Gojek Menggunakan Technology Acceptance Model Sartika Eris Maghfiroh, Intan; Nanang Yudi Setiawan; Almira Syawli; Vania Malinda Wibowo; Bonaventura Julio Putra Nandika
Jurnal Sistem Informasi, Teknologi Informasi, dan Edukasi Sistem Informasi Vol 4 No 2 (2023): Desember
Publisher : Fakultas Ilmu Komputer Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/justsi.v4i2.192

Abstract

Aplikasi perangkat bergerak seperti Grab dan Gojek menjadi tren di Indonesia dalam beberapa tahun terakhir. Meskipun sangat nyaman dan efisien bagi pengguna, penggunaan aplikasi ini juga secara tidak langsung memberikan dampak pada lingkungan, terutama dalam hal emisi karbon. Penggunaan transportasi online menghasilkan emisi gas rumah kaca dari kendaraan yang digunakan, terutama kendaraan bermotor. Oleh karena itu, upaya pengurangan jejak karbon sangat penting dilakukan oleh penyedia layanan transportasi Grab dan Gojek. Hal ini bertujuan untuk mengurangi dampak negatif terhadap lingkungan dan membantu mengurangi emisi gas rumah kaca yang menyebabkan perubahan iklim. Penelitian ini bertujuan untuk melakukan eksplorasi upaya pengurangan jejak karbon dalam aplikasi perangkat bergerak Grab dan Gojek serta memahami pemahaman pengguna serta menilai keterlibatannya dalam fitur yang diterapkan. Penelitian ini mengkaji mengenai inisiatif yang telah dilakukan Grab dan Gojek dalam melakukan carbon offset untuk mengurangi jejak karbon dari penggunaan kendaraan bermotor. Persepsi dari pengguna dan keterlibatan mereka dalam inisiatif ini juga diukur melalui kuesioner dan diketahui bahwa dari total 365 responden yang telah mengisi, 64% di antaranya belum mengetahui mengenai fitur GoGreener pada Gojek dan Carbon Neutral Fund pada Grab. Meskipun sebagian besar pengguna tersebut telah menggunakan kedua aplikasi selama lebih dari dua tahun, jarang dari mereka yang memanfaatkan fitur ini. Menggunakan teori Technology Acceptance Model sebagai kerangka pengukuran penerimaan pengguna terkait fitur ini, diketahui bahwa ketiga variabel eksogen yakni Perceived Usefulness (PU), Perceived Ease of Use (PEU), dan Attitude Toward Usage (ATU) memiliki pengaruh yang signifikan terhadap Intention to Use (IU). Variabel PU dan ATU memiliki pengaruh yang positif sedangkan PEU memberikan pengaruh yang negatif. Hal ini konsisten terjadi pada responden Gojek maupun Grab, tetapi cukup berbeda dengan penelitian terdahulu yang sejenis di mana umumnya PEU juga memiliki pengaruh positif. Selain itu, terdapat rekomendasi dari pengguna terkait kampanye yang perlu lebih digencarkan dan penataan fitur terkait di halaman awal aplikasi untuk meningkatkan partisipasi dari pengguna.
Analisis Sentimen Ulasan Konsumen Martabak Kubang Hayuda Menggunakan Support Vector Machine Almas, Muhammad Fikri; Setiawan, Nanang Yudi; Wijoyo, Satrio Hadi
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 2 (2025): Februari 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Martabak Kubang Hayuda, sebuah restoran kuliner yang telah berdiri sejak 1988, menghadapi berbagai keluhan konsumen dalam berbagai aspek. Namun, evaluasi mendalam terhadap keluhan tersebut belum dilakukan karena keterbatasan dalam kemampuan mengolah dan menganalisis data ulasan konsumen. Penelitian ini bertujuan untuk menganalisis sentimen ulasan konsumen Martabak Kubang Hayuda berbasis aspek menggunakan algoritma Support Vector Machine (SVM) dan Latent Dirichlet Allocation (LDA). Data ulasan konsumen diambil dari Google Maps. LDA digunakan untuk memodelkan topik ulasan sehingga data ulasan dapat dikelompokkan ke berbagai aspek. Selanjutnya, SVM diterapkan untuk mengklasifikasikan seluruh data ulasan ke dalam sentimen positif dan negatif. Untuk mengidentifikasi akar permasalahan sentimen negatif, metode root cause analysis dengan visualisasi fishbone diagram digunakan. Proses analisis sentimen dilakukan dengan pengambilan data, text preprocessing, pembobotan data, pemodelan topik dengan LDA, pelabelan sentimen, klasifikasi sentimen dengan SVM, dan pengujian model SVM menggunakan confusion matrix. Pelabelan sentimen dilakukan menggunakan leksikon InSet, Generative Pre-trained Transformer (GPT), dan validasi peneliti. Hasil penelitian menunjukkan bahwa SVM mencapai tingkat accuracy sebesar 86% dalam mengklasifikasikan data ulasan. Hasil root cause analysis mengungkapkan bahwa terdapat 21 akar masalah yang didapatkan atas keluhan pelanggan yang tersebar di 4 aspek utama, yaitu kualitas makanan, lingkungan fisik, harga, dan kualitas pelayanan. Kata kunci: analisis sentimen, support vector machine, latent dirichlet allocation, root cause analysis, fishbone diagram
Co-Authors Adristi, Tikta Ahmad Afif Supianto Alfi Nur Rusydi Alfian Hakim Almas, Muhammad Fikri Almira Syawli Alyaa Nadira Amal, Muhammad Ikhlasul Anandia, Nazwa Anwar, Novriani Dewi Asiyah, Noor Leona Asyrofi, Moh. Yuslam Azpiranda, Novira Bayu Rahayudi Berliani, Afridha Bonaventura Julio Putra Nandika Damahindra, Rangga Andhito Diamanta, Ananda Dian Eka Ratnawati diniyah, zubaidah Djoko Pramono Edmund Pierre Purba, Geoffrey Fadhil, Adam Ghirvan Fadhilah, Irsya Salim Fajr, Saifulloh Achmad Faranisa, Puspa Ayu Febriandirza, Arafat Firdaus, Muhammad Fariz Fitra Abdurrachman Bachtiar Hamas, radityo Haq, Muhammad Arienal Hilal, Khaliffman Rahmat Husalie, Levin Vinnu Intan Sartika Eris Maghfiroh Jannah, Nisa Usrifatul Khairani, Nadia Raisa Kusuma, Salsabila Azzahra' Zulfa Listyawan, Bagas Raditya Nur Mahardika, Fawwaz Roja Marzuq, Rafly Dwi Maulana, M. Ighfar Maulidiyah Rizqiyani, Erlis Mochamad Chandra Saputra, Mochamad Chandra Mushowwiru, Mochammad Faza Pramudya Niken Hendrakusma Wardani Niken Hendrakusma Wardani Niken Hendrakusuma Wardani, Niken Hendrakusuma Nur, Iqbal Taufiq Ahmad Pramudita, Julina Larasati Purnomo, Welly Putri, Rizka Saudah Yunida Rahmadina, Alishza Putri Rahmandita, Prasetya Naufal Ramadhani, T. Zalfa Reza Andria S Riswan Septriayadi Sianturi Ryandra, Muhammad Salsabillah, Dinar Fairus Salwa, Shafa Nathaniela Saputra, Dion Ricky Saragih, Imanuel Nathaliando Sartika Eris Maghfiroh, Intan Sartika, Intan Sarwosri Sarwosri Satrio Agung Wicaksono Satrio Hadi Wijoyo Sitepu, Mikha Aziel Christian Sormin, Hartati Penta Angelina Suryawati, Endang Tambing, Nathania Maerella Arungla'bi' Taqiyuddin, Ammar Yazid Vania Malinda Wibowo Viriya, Aurelius Alexaner Welly Purnomo Wibisono, Nusa Seldi Wibowo, Shinta Dewi Putri Widya Azzahra, Shellen Widyadhana, Fawwaz Kumudani Yanuardhana, Anugrah Daffa Yuditama, Alvan Alif Yusi Tyroni Mursityo Yuwana, R. Sandra Yuwana, Raden Sandra