Article Per Year (5 Year)
p-Index From 2020 - 2025
8.113
P-Index
This Author published in this journals
All Journal IJCCS (Indonesian Journal of Computing and Cybernetics Systems) TEKNIK INFORMATIKA Seminar Nasional Aplikasi Teknologi Informasi (SNATI) Semantik Techno.Com: Jurnal Teknologi Informasi Jurnal Teknologi Informasi dan Ilmu Komputer Proceeding of the Electrical Engineering Computer Science and Informatics Fountain of Informatics Journal Jurnal ELTIKOM : Jurnal Teknik Elektro, Teknologi Informasi dan Komputer Sinkron : Jurnal dan Penelitian Teknik Informatika Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) RABIT: Jurnal Teknologi dan Sistem Informasi Univrab Indonesian Journal on Software Engineering (IJSE) Faktor Exacta Jukung (Jurnal Teknik Lingkungan) CogITo Smart Journal Indonesian Journal of Artificial Intelligence and Data Mining INOVTEK Polbeng - Seri Informatika JRMSI - Jurnal Riset Manajemen Sains Indonesia KACANEGARA Jurnal Pengabdian pada Masyarakat Jurnal Nasional Pendidikan Teknik Informatika (JANAPATI) Informatik : Jurnal Ilmu Komputer Jurnal Riset Informatika JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) METIK JURNAL Scientific Journal of Informatics Idealis : Indonesia Journal Information System SKANIKA: Sistem Komputer dan Teknik Informatika Jurnal Teknik Informatika (JUTIF) Jurnal PkM (Pengabdian kepada Masyarakat) Kresna: Jurnal Riset dan Pengabdian Masyarakat Bit (Fakultas Teknologi Informasi Universitas Budi Luhur) Jurnal Algoritma Jurnal Ticom: Technology of Information and Communication Journal of Social And Economics Research Journal Of Communication Education Telematika MKOM Jurnal INFOTEL Jurnal Ticom: Technology of Information and Communication journal of social and economic research JuTISI (Jurnal Teknik Informatika dan Sistem Informasi)
Achmad Solichin
Universitas Budi Luhur
Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Social Sciences Other

Published : 74 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : Bit (Fakultas Teknologi Informasi Universitas Budi Luhur)

 1 
Analisis Sentimen Terhadap Pembelajaran Dosen Berdasarkan Data Kritik Saran Mahasiswa Menggunakan Metode Naive Bayes Noor Ferdyansyah; Achmad Solichin
Bit (Fakultas Teknologi Informasi Universitas Budi Luhur) Vol 19, No 2 (2022): SEPTEMBER 2022
Publisher : Universitas Budi Luhur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36080/bit.v19i2.2041

Abstract

The quality of lecturers' teaching is the main key to the success of education at the University. By having lecturers who can provide good teaching, the seeds of nation-changing students can be created. To get lecturers who meet academic standards, of course, evaluation needs to be done. Therefore, Budi Luhur University always conducts questionnaires containing suggestion criticism forms that can be filled in by students. Completion of the suggestion criticism form is carried out for each group of courses at the end of the semester. Currently, the feedback data has not been used to analyze and evaluate the learning process. Therefore, in this research, sentiment analysis is carried out on the results of criticism suggestions that have been sent by students, to find out whether the criticism suggestions are positive, negative, or neutral. One of the sentiment analysis methods that can be used to solve opinion mining problems is the Naive Bayes Method. Data collected as many as 10,067 in the span of 1 semester, namely the odd semester of the 2021/2022 academic year. This suggestion criticism data is then preprocessed, and classified using the Naive Bayes method, testing is carried out using the Naive Bayes Classifier program which is made in the PHP programming language, then accuracy is obtained with the Naïve Bayes method in testing 60% - 40% getting an accuracy result of 83.92%, then in split data 70% - 30% getting an accuracy result of 83.26%, then for split data results 80% - 20% getting an accuracy result of 81.96%, obtained positive sentiment results as much as 2484, then negative sentiment as much as 152, and neutral sentiment as much as 267. This research aims to get sentiment results which are then expected to be used as a reference to improve the quality of teaching lecturers at the university and further evaluation.
Sentiment Analysis Of Youtube Comments On Prediction Of Economic Recession In 2023 Using The Naïve Bayes Algorithm Anggi Ayu Ningtyas; Achmad Solichin; Rizky Pradana
Bit (Fakultas Teknologi Informasi Universitas Budi Luhur) Vol 20, No 1 (2023): APRIL 2023
Publisher : Universitas Budi Luhur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36080/bit.v20i1.2317

Abstract

YouTube adalah situs berbagi media, yaitu semacam hiburan virtual untuk berbagi media video dan suara. YouTube telah menjadi salah satu platform tontonan video paling populer saat ini. Beberapa waktu lalu, Youtube Indonesia disibukkan dengan unggahan ke channel Raymond Chin pada 3 Oktober 2022 tentang prediksi ekonomi tahun 2023. Oleh karena itu, akan sangat sulit untuk memahami apakah netizen yang menggunakan situs youTube umumnya positif negatif. atau netral. Dengan video yang ditransfer ini, diharapkan sebuah metode untuk menginvestigasi komentar-komentar yang begitu banyak sehingga komentar-komentar tersebut dapat bernilai dan dapat ditarik tujuan yang signifikan. Pelonggaran perputaran keuangan ini dapat berlangsung dalam jangka waktu yang sangat lama, bahkan bertahun-tahun. Sementara itu, penghentian moneter global, pembenahan strategi moneter, tekanan internasional, perselisihan pasar keuangan hingga perubahan lingkungan penyebab menjadi faktor yang mempengaruhi elemen ekonomi pada tahun 2023. Oleh karena itu, untuk mengetahui sentimen tentang perkiraan dan penurunan ekonomi pada tahun 2023 membutuhkan kerangka kerja untuk memutuskan apakah sentimen publik "positif", "negatif", atau “netral”. Naïve Bayes adalah strategi urutan yang ditetapkan dalam hipotesis Bayes. khususnya mengantisipasi masa depan mengingat pengalaman masa lalu. pengklasifikasian Naive Bayes ini menjalankan metode karakterisasi item terarah di masa mendatang dengan membagikan tanda kelas ke kejadian yang memanfaatkan probabilitas. Dalam ulasan ini, pengaturan akan diselesaikan menggunakan strategi Naïve Bayes dengan 500 data Untuk pengujian gunakan 10 Folds Cross Validation dengan mempartisi informasi persiapan menjadi beberapa bagian untuk pengujian mendapatkan keakuratan yang berbeda karena menggunakan informasi persiapan yang tidak teratur. Setelah pengujian menghasilkan "positif" bernilai 40%, "negatif" 26% dan "netral" 34%. Konsekuensi dari pengujian ini menunjukkan bahwa dapat membedakan realitas data komentar youtube dengan menggunakan strategi Naïve Bayes
Vehicle Rental Clustering Using The K-Means Method at PT. Mardika Daya Tribuana Tetlageni, Muhamad Ridho; Solichin, Achmad
Bit (Fakultas Teknologi Informasi Universitas Budi Luhur) Vol 20, No 2 (2023): SEPTEMBER 2023
Publisher : Universitas Budi Luhur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36080/bit.v20i2.2496

Abstract

Pada zaman sekarang kebutuhan perusahaan terhadap moda transportasi semakin meningkat, untuk itu perusahaan menginginkan kendaraan mobil untuk menjalankan kegiatan sehari-hari seperti kebutuhan operasional perusahaan dan lain-lain. Setiap perusahaan dalam memilih kendaraan mobil yang disewa pasti mencari kendaraan yang nyaman untuk dipakai. PT. Mardika Daya Tribuana merupakan salah satu perusahaan yang berfokus pada bidang penyewaan. Masalah yang terjadi pada PT. Mardika Daya Tribuana yaitu data penyewaan yang sangat banyak tidak bisa diolah, sehingga pihak perusahaan belum menemukan suatu metode untuk mengolah data agar menemukan pola dari data yang ada. Maka pada penelitian ini penulis bertujuan untuk mengelompokkan kendaraan-kendaraan yang dimana hasil dari pengelompokan dapat digunakan oleh pihak PT. Mardika Daya Tribuana untuk mengambil keputusan yang tepat sesuai kebutuhan yang diinginkan. Tentunya untuk mengolah data penyewaan pada PT. Mardika Daya tribuana diperlukan suatu metode yang dapat menghasilkan suatu keputusan yang tepat. Pada penelitian ini penulis menerapkan analisa data Mining dengan Teknik Clustering menggunakan algoritma K-Means. Metode K-Means Clustering digunakan dan diolah berdasarkan kebutuhan untuk mendapatkan informasi pada setiap kelompoknya. Hasil klaster pada data penyewaan sebanyak 280 baris data dan dibagi menjadi 3 (tiga) klaster dimana pada setiap klaster menghasilkan, 11 data dengan level sedang rendah dari segi peminatnya pada klaster 1, 113 data dengan level sedang dari segi peminatnya pada klaster 2, dan 156 data dengan level tinggi dari segi peminat pada klaster 3. Berdasarkan pengujian menggunakan Sum of Square Error (SSE) klaster yang direkomendasikan yaitu 3 klaster dengan nilai selisih 10.44. Sehingga klaster tersebut optimal untuk dipakai.
Co-Authors Abdullah 'Alim Achmad Maulana Agus Harjoko Agus Santoso Ahmad Ihsanudin Ahmad Zainul Mafakhir Akbar, Kafi Kurnia Alfredo Pasaribu Alhafiz, Muhammad Ihza Ananda Surya, Archie Andi Hakim Arif Andi Jumardi Anggi Ayu Ningtyas Anindya Putri Pradiptha Arif, Andi Hakim Asmoro, Phaksi Bangun Bayu Raditya Nasution Chaerullah, Dhiesky Chalid, Iqbal Chandra, Joko Christian Dasril Aldo Dedy Mirwansyah Desena, Wahyu Desiawan, Masdar Dewantara, Erno Kurniawan Dwi Kristanto Dwi Kristanto Emil Salim Fadlan Amrullah Fahrullah Fahrullah Galih Gumilar Widhasmara Goenawan Brotosaputro Hanafi, Mohammad Afif Hari Soetanto Irennada Ismail Adi Susanto Khaeri Diniari Khansa Khairunnisa Kurnianta, Kristana Lia Amellia Putri Lutfi Nukman Majid, Muhammad Farras Masdar Desiawan Mochammad Andika Putra Mohammad Syafrullah Muhamad Refaldi Muhammad Agus Arianto Muhammad Agus Arianto Muhammad Ali Akbar Muhammad Arif Kurniawan Muhammad Fahrizal Muhammad Hamdi Sukriyandi Muhammad Verdiansyah Muharam, Asep Budiyana Nanda Arista Rizki Nariza Wanti Wulan Sari Nazori AZ Nita, Yulia Noor Ferdyansyah Nugroho, Ludi Obby Oktafianto Painem, Painem Painem, Painem Pradana, Rizky Pradiptha, Anindya Putri Pramudita, Bagas Prayogi, Muhamad Nur Rahmat Kurniawan Rasyid, Annisa Ratna Kusumawardani Reka Dwi Syaputra Restu Maulunida Reva Ragam Santika Richki Hardi Riki Wijaya Rizki Darmawan, Dika Robby Suganda Rusdah Rusdah Saddam, M Amiruddin Setiyadi, Prambudi Sister, Maya Gian Suherman Achmad Syahrul, Ahmad Tan Wee Chang Tetlageni, Muhamad Ridho Triyono, Gandung Tulodo, Bernadeta Asri Rejeki Ummu Habibah Romlah Utomo Budiyanto Wati, Lisna Wirasno, Wirasno Zainal A. Hasibuan Zulfikar Rosadi