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

 2   3   4   5   6 
Analisis Sentimen Berbasis Aspek Pada Ulasan Pelanggan Restoran Menggunakan Algoritma Support Vector Machine (Studi Kasus: Depot Bamara) Firdaus, Muhammad Fariz; Ratnawati, Dian Eka; Setiawan, Nanang Yudi
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 11 No 6: Desember 2024
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2024117564

Abstract

Ulasan pelanggan berperan penting dalam evaluasi produk dan layanan restoran. Ulasan pelanggan membantu restoran mengidentifikasi kekuatan dan kelemahannya. Depot Bamara adalah rumah makan yang belum efektif dalam memanfaatkan ulasan pelanggan karena kurangnya teknologi dan sumber daya manusia yang ahli dalam menerapkannya. Salah satu solusi yang dapat diimplementasikan adalah menggunakan analisis sentimen berbasis aspek dengan bantuan pembelajaran mesin. Analisis sentimen berbasis aspek memberikan pengetahuan yang lebih berfokus pada setiap aspek restoran, dan penggunaan pembelajaran mesin memungkinkan pemanfaatan ulasan dengan sumber daya manusia minimal. Penelitian menggunakan data ulasan pelanggan tahun 2021-2022 sebanyak 1029 ulasan melalui web scraping di situs Google Review. Kata-kata dalam ulasan diberi bobot menggunakan teknik pembobotan frequency inverse document frequency (TF-IDF) dan diklasifikasi menggunakan algoritma support vector machine (SVM). Model klasifikasi diuji dengan teknik k-fold cross validation, menghasilkan rata-rata accuracy sebesar 92%, menunjukkan performa yang baik. Pengujian juga dilakukan pada masing-masing aspek, menujukkan hasil klasifikasi pada aspek harga memiliki rata-rata accuracy tertinggi, sebesar 96%. Data ulasan dianalisis menggunakan root cause analysis (RCA). Hasil RCA menunjukkan bahwa akar masalah ulasan negatif adalah tidak adanya opsi kepedasan, SOP yang belum ada, pelatihan staf yang belum rutin, dan kurangnya ruang parkir dan penataan tempat duduk saat makan siang. Hasil RCA digunakan untuk membuat rekomendasi setelah berdiskusi dengan stakeholder.   Abstract Customer reviews play an important role in the evaluation of restaurant products and services. Customer reviews can help restaurants identify their strengths and weaknesses. Depot Bamara is a restaurant that has not been effective in utilizing customer reviews due to the lack of technology and human resources who are experts in implementing it. One solution that can be implemented is using aspect-based sentiment analysis with the help of machine learning. Aspect-based sentiment analysis provides more focused knowledge on each aspect of the restaurant, and the use of machine learning allows the utilization of reviews with minimal human resources. The research used customer review data in the years 2021-2022 as many as 1029 reviews through web scraping on the Google Review site. Terms found in the reviews were weighted using the frequency inverse document frequency (TF-IDF) weighting technique and classified using the support vector machine (SVM) algorithm. The classification model was tested with k-fold cross validation, resulting in an average accuracy of 92%, indicating good performance. Tests were also carried out on each aspect, showing the classification results on the price aspect had the highest average accuracy, at 96%. The review data was analyzed using root cause analysis (RCA). The RCA results showed that the root causes of negative reviews were the absence of spiciness options, the lack of SOPs, the lack of regular staff training, and the lack of parking spaces and seating arrangements during lunch. The RCA results were used to make recommendations after discussions with stakeholders.  
Analisis Upaya Pengurangan Jejak Karbon dalam Aplikasi Perangkat Bergerak Grab dan Gojek Menggunakan Technology Acceptance Model Sartika, Intan; 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 PENGGUNA MEDIA SOSIAL X TERHADAP MERDEKA BELAJAR KAMPUS MERDEKA MENGGUNAKAN METODE SUPPORT VECTOR MACHINE(SVM) Pramono, Djoko; Setiawan, Nanang Yudi
Jurnal Ilmiah Informatika Global Vol. 16 No. 1: April 2025
Publisher : UNIVERSITAS INDO GLOBAL MANDIRI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36982/jiig.v16i1.5297

Abstract

To prepare students to face social, cultural changes, the world of work and rapid technological advances, student competencies must be prepared to be more in line with the needs of the times. The Merdeka Belajar Kampus Merdeka policy is expected to be the answer to these demands. Since it was first launched in 2020, this curriculum has been implemented with several challenges such as four-year education planning, converting online course grades, converting internship credits, building partnerships, and rebuilding academic and administrative systems. The challenges experienced during the implementation of the MBKM program were almost entirely related to administration or paperwork and a few technical obstacles in the process. To find out the level of satisfaction of the public with government policy, sentiment analysis is needed on user opinions regarding the implementation of the program. This sentiment analysis can group the polarity of the text in a sentence or document to find out whether the opinion in the sentence or document is positive or negative. The method used is Support Vector Machine (SVM). Acquisition of comments from X platform produces 500 comments which are then divided into 400 training data and 100 test data. The weighting method used is tf-idf and testing is carried out using SVM with linear kernel and rbf. From the test results, it was obtained that SVM with a linear kernel with a cost parameter (c) of 1 produced the highest accuracy, namely 84%. It is hoped that this research can be used as material for consideration to improve the implementation process of independent campus learning programs.
Evaluasi Aplikasi Layanan Alfagift Berdasarkan Topik Ulasan Pengguna Menggunakan Latent Dirichled Allocation (LDA) Ramadhani, T. Zalfa; Setiawan, Nanang Yudi; Rahayudi, Bayu
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 6 (2025): Juni 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Penggunaan aplikasi belanja daring semakin meluas seiring meningkatnya kebutuhan konsumen akan layanan yang praktis dan cepat. Alfagift hadir sebagai solusi digital dari peritel modern untuk memenuhi kebutuhan tersebut. Namun, munculnya ulasan negatif menunjukkan bahwa masih terdapat pengalaman pengguna yang belum memuaskan. Penelitian ini bertujuan untuk mengevaluasi layanan aplikasi berdasarkan persepsi pengguna melalui analisis sentimen dan pemodelan topik. Sebanyak 9.335 ulasan dari Google Play Store (versi 4.30.0–4.32.0) dianalisis setelah melalui tahap text preprocessing. Analisis sentimen dilakukan menggunakan model Indonesian RoBERTa Base untuk mengklasifikasikan ulasan menjadi positif, netral, atau negatif. Hasilnya menunjukkan bahwa 10,7% ulasan bersentimen negatif, 5,6% netral, dan 83,6% positif. Penelitian kemudian difokuskan pada ulasan negatif, yang dianalisis menggunakan metode Latent Dirichlet Allocation (LDA) untuk mengidentifikasi topik-topik utama keluhan pengguna. Hasil pemodelan topik menunjukkan dua isu dominan, yaitu login issue dan late delivery. Kedua topik ini dianalisis lebih lanjut menggunakan pendekatan Root Cause Analysis (RCA) untuk menelusuri akar penyebab ketidakpuasan. Ditemukan bahwa permasalahan login dipicu oleh kurangnya dukungan CS, proses reset yang membingungkan, sistem sesi yang tidak stabil, dan kegagalan OTP. Sementara itu, keterlambatan pengiriman disebabkan oleh komunikasi kurir yang buruk, absennya sistem eskalasi otomatis, pelacakan non-real-time, serta fitur chat yang tidak responsif. Temuan ini memberikan wawasan penting mengenai aspek layanan yang perlu diperbaiki untuk mendukung pengembangan Alfagift ke depannya.
Analisis Perubahan Sentimen Karyawan Tokopedia Pasca-Akuisisi Bytedance Berdasarkan Ulasan di Glassdoor Asyrofi, Moh. Yuslam; Setiawan, Nanang Yudi; Wardani, Niken Hendrakusma
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 7 (2025): Juli 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Akuisisi perusahaan dapat memengaruhi berbagai aspek lingkungan kerja yang berpotensi mengubah persepsi dan kepuasan karyawan secara signifikan. Penelitian ini bertujuan untuk mengidentifikasi perubahan sentimen karyawan Tokopedia sebelum dan sesudah akuisisi oleh ByteDance melalui analisis ulasan di platform Glassdoor. Penelitian ini menggunakan pendekatan kuantitatif deskriptif dengan metode Analisis Sentimen Berbasis Aspek yang dikombinasikan dengan Herzberg’s Two-Factor Theory untuk mengklasifikasikan aspek motivator dan hygiene dalam ulasan karyawan. Perubahan sentimen dianalisis menggunakan metrik Δ Net Sentiment Score, sementara tingkat perhatian karyawan terhadap aspek kerja diukur menggunakan Δ Proporsi Aspek. Hasil analisis kemudian dipetakan ke dalam kerangka Importance-Performance Analysis (IPA) untuk menentukan prioritas manajerial. Data penelitian terdiri dari 1.795 ulasan dari Glassdoor dalam rentang waktu 2015-2025. Hasil penelitian menunjukkan bahwa aspek Work Condition, Interpersonal Relations, Compensation, Advancement, Personal Life, dan Growth menjadi perhatian utama pascaakuisisi. Ditemukan peningkatan persepsi positif pada aspek Compensation (+19,3 pp) dan Company Policy (+14,7 pp), namun terjadi penurunan signifikan pada aspek Advancement (-53,1 pp). Berdasarkan pemetaan IPA, aspek Advancement memerlukan perhatian khusus dari manajemen untuk perbaikan.
Support Vector Machine (SVM) Untuk Analisis Sentimen Ulasan Pelanggan Dalam Penyusunan SWOT Restoran Kebuli Tarim Fadhilah, Irsya Salim; Setiawan, Nanang Yudi; Wijoyo, Satrio Hadi
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 9 (2025): September 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Industri kuliner di Kota Malang berkembang pesat, khususnya di segmen makanan khas Timur Tengah, menciptakan persaingan ketat. Di era digital, ulasan konsumen mudah diakses dan dibagikan, menjadikannya sumber berharga untuk menilai kualitas produk dan layanan. Kebuli Tarim sebagai salah satu restoran di segmen ini dapat memanfaatkan ulasan pelanggan daring untuk mengevaluasi kualitas layanan. Data ulasan diperoleh melalui web scraping dari Google Review dan komentar serta transkripsi video TikTok, lalu diproses melalui pembersihan serta prapemrosesan. Pendekatan aspect-based sentiment analysis digunakan dengan model DINESERV yang dimodifikasi, serta penyusunan kamus aspek yang divalidasi oleh domain expert. Pelabelan awal sentimen dilakukan menggunakan InSet lexicon, dilanjutkan dengan pelatihan model klasifikasi SVM. Hasil evaluasi menunjukkan bahwa model dengan kernel linear dan nilai parameter C = 2 pada rasio data latih-uji 90:10 menunjukkan performa optimal pada beberapa metrik evaluasi, yakni accuracy sebesar 89,73%, balanced accuracy (BAcc) sebesar 86,66%, serta AUC score sebesar 0,96. Analisis SWOT mengungkapkan kekuatan utama pada kualitas cita rasa, pelayanan ramah, kenyamanan ruang makan, serta presepsi nilai positif. Kelemahan meliputi inkonsistensi rasa, kualitas pelayanan, ketidaknyamanan ruang makan, dan persepsi nilai kurang. Adapun peluang mencakup loyalitas pelanggan, keunikan rasa, dan lokasi strategis, sementara ancaman berasal dari keterbatasan parkir dan isu keamanan di lingkungan sekitar.
Perbandingan Weighted Product Method dan Weighted Sum Method untuk Penentuan Atlet (Studi Kasus Brawijaya Chess Club) Saragih, Imanuel Nathaliando; Setiawan, Nanang Yudi; Wardani, Niken Hendrakusuma
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 9 (2025): September 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Brawijaya Chess Club (BCC) menghadapi tantangan dalam proses seleksi atlet untuk turnamen yang seringkali berlangsung lama dan tidak memiliki sistem pemeringkatan terstruktur untuk menjamin kualitas dan pemberdayaan anggota. Penelitian ini bertujuan untuk membandingkan metode Weighted Product (WPM) dan Weighted Sum Method (WSM) guna mengembangkan sistem rekomendasi seleksi atlet yang lebih efektif. Perbandingan dilakukan menggunakan sembilan kriteria yang diperoleh dari pengurus BCC, meliputi aspek teknis permainan, keaktifan, dan prestasi. Analisis dilakukan melalui tiga skenario pengujian untuk mengukur presisi dan korelasi. Hasil penelitian menunjukkan bahwa WSM secara konsisten memberikan presisi yang sama atau lebih tinggi dari WPM, dengan nilai presisi tertinggi mencapai 68,41% pada skenario tanpa kriteria Tahun Kuliah dan Kas. Selain itu, ditemukan korelasi positif yang sangat kuat antara kedua metode (koefisien Spearman 0,95-0,96), yang menunjukkan hasil pemeringkatan yang serupa. Hasil pengujian kedua metode dalam tiga skenario penggunaan kriteria menunjukkan bahwa metode WSM memberikan presisi yang sama atau lebih tinggi daripada WPM, menjadikannya metode yang lebih direkomendasikan untuk seleksi atlet pada penelitian ini.
Perbandingan Performa Metode Klasifikasi SVM, Neural Network, dan Naive Bayes untuk Mendeteksi Kualitas Pengajuan Kredit di Koperasi Simpan Pinjam Nur, Iqbal Taufiq Ahmad; Setiawan, Nanang Yudi; Bachtiar, Fitra Abdurrachman
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 6 No 4: Agustus 2019
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (2650.471 KB) | DOI: 10.25126/jtiik.2019641352

Abstract

Mendeteksi kualitas kredit sejak dini merupakan satu tahapan penting yang wajib dilakukan oleh koperasi simpan pinjam guna meminimalisir adanya risiko kredit. Dalam penelitian ini, kami menggunakan tiga metode klasifikasi yaitu SVM, Neural Network, dan Naïve Bayes untuk menemukan metode dengan performa yang paling baik dan optimal pada kasus pendeteksian kualitas kredit di koperasi simpan pinjam. Proses yang dilakukan adalah dengan mengimplementasikan data hasil pre processing menggunakan algoritme SVM, Neural Network, dan Naïve Bayes dengan proses evaluasi menggunakan 5-fold cross validation. Hasil yang didapatkan adalah metode Neural Network menjadi metode dengan performa paling baik. Rerata tingkat akurasi yang dihasilkan sebesar 86,81%, rerata precision sebesar 0,8194, rerata recall sebesar 0,8236, dan rerata nilai AUC sebesar 0,9158. Namun, waktu eksekusi yang dihasilkan algoritme Neural Network menjadikan algoritme ini sebagai algoritme paling lambat dibandingkan dengan dua metode lain. Nilai rerata waktu eksekusi dari metode Neural Network sebesar 3,058 detik, jauh lebih lama dibandingkan dua algoritme lain yang hanya berkisar pada nilai 0 – 1 detik. AbstractDetecting credit quality at the early stage is an important step that must be done by koperasi simpan pinjam in order to minimize the credit risk. In this research, we use three classification methods i.e. SVM, Neural Network, and Naïve Bayes to find the best performance and optimal method to be used in credit quality detection for koperasi simpan pinjam. The process conducted by implementing pre-processing data using an SVM, Neural Network, and Naïve Bayes algorithm with the evaluation process using 5-fold cross validation. As the result, The Neural Network method was the best performing method. The average level of accuracy produced was 86.81%, mean precision was 0.8194, average recall was 0.8236, and the average AUC value was 0.9158. However, the execution time generated by the Neural Network algorithm made this algorithm the slowest algorithm compared to the other two methods. The average execution time of the Neural Network method was 3.058 seconds, longer than the other two algorithms which only range from 0 - 1 second.
Rekomendasi Pengembangan Fasilitas Wisata Tugu Pahlawan Surabaya Melalui Visualisasi Dashboard Hasil Klasifikasi Analisis Sentimen Ulasan Pengunjung Mahardika, Fawwaz Roja; Supianto, Ahmad Afif; Setiawan, Nanang Yudi; Yuwana, Raden Sandra; Suryawati, Endang
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 9 No 2: April 2022
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2022925655

Abstract

Tugu Pahlawan Surabaya merupakan salah satu pariwisata andalan Kota Surabaya yang selalu berupaya memperhatikan ulasan pengunjung sebagai acuan evaluasi. Namun, pengelola tidak memiliki teknologi yang mampu mengumpulkan, mengolah, dan menganalisis seluruh data ulasan yang dapat menghasilkan informasi secara ringkas. Salah satu solusi dapat dilakukan melalui analisis sentimen pada level aspek terhadap aspek edukasi, fasilitas, kebersihan, pelayanan, dan umum dengan penyajian informasi dalam bentuk dashboard. Analisis sentimen dilakukan menggunakan Support Vector Machine terhadap 2180 data ulasan selama 2 tahun terakhir yang diambil dari Google Review. Ulasan terbanyak terdapat pada aspek fasilitas sebanyak 538 ulasan dengan sebaran sentimen 285 ulasan positif, 95 ulasan negatif, dan 158 ulasan netral. Rekomendasi berdasarkan kekuatan dan kelemahan saat ini adalah penyediaan lahan atau objek foto bernuansa sejarah pahlawan secara lebih nyata serta penyediaan ventilasi terbuka atau standing cooler di beberapa area. Berdasarkan confusion matrix, nilai F1-Score menjadi penentu seberapa baik model mengklasifikan data daripada nilai Accuracy dikarenakan dataset yang dimiliki bersifat imbalance sehingga kesalahan prediksi pada precision atau recall sangat memungkinkan terjadi. Kesalahan prediksi banyak ditemukan pada kelas sentimen netral. Keseluruhan hasil klasifikasi disajikan dalam bentuk dashboard dengan nilai SUS Score 77,5, menandakan bahwa dashboard dapat diterima dengan baik oleh responden sebagai pengguna. Abstract Tugu Pahlawan Surabaya is one of the mainstays of tourism in Surabaya city which always tries to pay attention to visitor reviews as a reference for evaluation. However, the managers do not have technology capable of collecting, processing and analyzing all review datas that can produce information in a concise manner. One solution can be done through sentiment analysis at the aspect level of education, facilities, cleanliness, service, and general aspects by presenting information in the form of a dashboard. Sentiment analysis was carried out using the Support Vector Machine on 2180 review datas for the last 2 years taken from Google Reviews. The most reviews were on the facility aspect in total of 538 reviews with a sentiment distribution of 285 positive reviews, 95 negative reviews and 158 neutral reviews. Recommendations based on current strengths and weaknesses are providing more real area or photo objects with historical nuances of heroes and providing open ventilation or standing coolers in several areas. Based on the confusion matrix, the F1-Score value determines how well the model classifies data rather than the Accuracy value because the dataset is imbalance so that prediction errors in precision or recall are very possible. Prediction errors are more likely to be found in the neutral sentiment class. The overall classification results are presented in the form of a dashboard with a SUS Score of 77.5, indicating that the dashboard is well received by respondents
Sistem Propagasi Anotasi pada Metadata Lineage untuk Manajemen Data Warehouse Saputra, Dion Ricky; Purnomo, Welly; Setiawan, Nanang Yudi
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 9 No 7: Spesial Issue Seminar Nasional Teknologi dan Rekayasa Informasi (SENTRIN) 2022
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2022976833

Abstract

ETL (extract, transform, dan load) merupakan proses yang dilibatkan dalam pembuatan dan manajemen data warehouse. Desain ETL dibuat menyesuaikan struktur sumber data dan data warehouse. Dengan adanya ketergantungan tersebut maka perubahan di sumber data bisa berdampak besar terhadap desain ETL. Ketika perubahan tersebut terjadi, pengelola ETL akan berkomunikasi dengan pemilik data untuk mengetahui rincian perubahan struktur data dalam rangka memperbaiki desain ETL. Aliran komunikasi ini akan semakin meningkat sejalan dengan jumlah sumber data yang digunakan. Semakin banyak sumber data yang diproses maka komunikasi tersebut berpotensi menjadi bottleneck. Informasi perubahan struktur data ini dapat dikomunikasikan melalui anotasi yang dilekatkan pada sumber data. Anotasi tersebut kemudian dipropagasikan sehingga dapat digunakan untuk memperbaiki rancangan ETL. Dengan menggunakan anotasi, harapannya aliran komunikasi antara pengelola ETL dengan pemilik data dapat berkurang. Permasalahan tersebut menunjukkan seberapa penting dikembangkannya sistem propagasi anotasi. Sistem propagasi anotasi tersusun atas tiga komponen yaitu ekstraksi metadata, propagasi anotasi, dan adapter. Pengujian sistem dilakukan menggunakan teknik blackbox dan user acceptance testing bersama pengguna akhir. Pengujian blackbox menghasilkan 30 kasus uji yang hasilnya valid. Hasil evaluasi user acceptance testing menunjukkan bahwa rata-rata pengguna menyatakan sangat setuju dengan sistem yang dikembangkan. AbstractETL is a process of extracting, transforming, and loading data that is involved in creation and management of a data warehouse. Since ETL is deeply connected to the structure of the source data, if a small changes happens to that structure then the whole workflow might stop. Because one data source can be used by more than one ETL workflow, the impact of schema changes to the ETL design are enormous. When such incident happens, the ETL designer will ask the data owner for the details of the schema changes. The communication traffic between the ETL designer and the data owner will increase as the number of sources that are being used is increasing. Therefore potentially becoming a bottleneck. Information regarding schema changes of a data source can be attached as an annotation. This annotation will be then propagated so that the ETL manager can update the workflow according to the recorded changes.Using this technique, the communication traffic between the ETL designer and the data owner can be minimized. This problem highlights the need of an annotation propagation system. The system itself consists of three components: metadata extraction, adapter, and annotation propagation. To test the system, blackbox and user acceptance testing is used. The blackbox testing resulting with 30 test case which are all valid. The user acceptance testing is done with the end-user directly operating the system, and after analyzing the results it shows that on average the user is accepting the system. 
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