Garuda - Garba Rujukan Digital

Perbandingan Algoritma untuk Klasifikasi Komentar Mahasiswa pada Pembelajaran Daring Enda Esyudha Pratama
CYBERNETICS Vol 6, No 01 (2022): CYBERNETICS
Publisher : Universitas Muhammadiyah Pontianak

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29406/cbn.v6i01.3988

Pandemi COVID-19 telah mengubah proses pembelajaran tatap muka menjadi tatap maya atau lebih dikenal dengan pembelajaran daring. Efektifitas pembelajaran daring menjadi hal penting untuk dievaluasi agar kualitas lulusan yang dihasilkan dapat sesuai dengan capaian. Salah satu bentuk evaluasi adalah feedback berupa komentar dan saran dari mahasiswa. Data yang berhasil dikumpulan berupa teks dalam jumlah yang besar. Data tersebut perlu diolah menjadi informasi yang berguna dan bernilai. Salah satu metode yang dapat digunakan adalah data mining. Data mining dapat mengolah data menjadi pengetahuan (knowledge). Beberapa manfaat dari pengetahuan tersebut salah satunya adalah pengelompokan data (klasifikasi). Terdapat beberapa macam algoritma klasifikasi yang dapat digunakan untuk klasifikasi data. Penelitian ini bertujuan untuk membandingkan kinerja algoriitma klasifikasi antara Naive Bayes, Support Vector Machine, dan Decision Tree. Hasil dari penelitian menunjukan skor akurasi terbaik dihasilkan oleh algoritma Naive Bayes dengan nilai 82,14% untuk rasio data latih terhadap data uji sebesar 80:20. Begitu pula dengan ration 70:30, algoritma Naive Bayes menghasilkan nilai akurasi paling baik sebesar 78,29 %

Implementasi Model Klasifikasi Sentimen Pada Review Produk Lazada Indonesia Rizqia Lestika Atimi; Enda Esyudha Pratama
Jurnal Sains dan Informatika Vol. 8 No. 1 (2022): Jurnal Sains dan Informatika
Publisher : Teknik Informatika, Politeknik Negeri Tanah Laut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34128/jsi.v8i1.419

Ulasan produk pada e-commerce adalah bentuk electronic word of mouth communicationyang membantu calon konsumen untuk mendapatkan informasi mengenai layanan penjualdan/atau manfaat produk yang akhirnya dapat memengaruhi apakah calon konsumen akan membeli produk atau tidak. Review produk yang diberikan oleh konsumen adalah opini tekstual yang dapat dianalisis. Analisis sentimen dapat membantu bisnis e-commerce untuk memahami feedback konsumen. Jumlah review produk pada sebuah platform e-commerce berjumlah sangat banyak dengan volume data yang besar, akan sulit untuk dapat membaca review secara keseluruhan dan memahami informasinya secara tepat dan efisien. Penelitian ini mengembangkan model klasifikasi sentimen dengan algoritma Multinomial NaÃ¯ve Bayes dan mengimplementasikannya pada review produk Lazada Indonesia. Algoritma Multinomial NaÃ¯ve Bayes menghitung frekuensi kemunculan kata dari sebuah dokumen (term frequency). Model dikembangkan melalui tahapan data collecting, data preprocessing, vectorize, model developing, dan model implementation. Hasil evaluasi model menggunakan confussion matrix diketahui bahwa algoritma Multinomial NaÃ¯ve Bayes memiliki kinerja yang baik dalam klasifikasi dengan hasil nilai paramater accuracy, precision, recall, dan f1-score di atas 90%. Model yang dikembangkan dapat mengklasifikasikan semua data review produk Lazada Indonesia ke kelas yang sudah ditentukan yaitu, 116 positif, 101 negatif, dan 96 netral.

Aplikasi Pendeskripsi Produk Secara Otomatis dengan Metode Text Mining Bandel Elon Subrata; Yus Sholva; Enda Esyudha Pratama
JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 11, No 1 (2023)
Publisher : Jurusan Informatika Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/justin.v11i1.47369

Deskripsi produk merupakan hal yang sangat penting bagi konsumen untuk dapat mengetahui kandungan dan komposisi pada suatu produk. Dengan membaca deskripsi produk, konsumen dapat menghindari kesalahan dalam penggunaan atau pemilihan produk, terutama bagi pengguna produk sensitif ataupun yang memiliki alergi terhadap kandungan zat tertentu. Sayangnya banyak ditemukan deskripsi produk yang ditulis dengan ukuran huruf yang terlalu kecil, sehingga membuat konsumen kesulitan untuk membacanya. Meskipun sebenarnya informasi terkait suatu produk dapat dicari menggunakan search engine seperti Google, namun konsumen akan tetap merasa kesulitan karena mereka harus meluangkan waktu untuk mencari informasi produk dengan mengakses link pencarian satu per satu. Penelitian ini bertujuan membangun sebuah aplikasi yang dapat mendeskripsikan secara otomatis menggunakan metode Text Mining dengan teknik â€œgrabbingâ€ dari dua sumber data, yaitu website smarco.co.id dan klikindomaret.com. Website Smarco dijadikan target pertama untuk proses grabbing karena website ini menyediakan data barcode produk. Selanjutnya, dilakukan proses grabbing tahap dua untuk mendapatkan detail deskripsi produknya. Melalui pendekatan ini, pengguna dapat mencari deskripsi produk dengan cara memasukan nomor barcode yang tertera pada kemasan produk. Pengujian dilakukan dengan melakukan pencarian menggunakan 100 nomor barcode produk yang dikumpulkan secara acak. Hasilnya 34 produk ditemukan pada grabbing tahap pertama dan 66 produk tidak ditemukan karena data tidak tersedia pada website Smarco dan dilakukan analisis dengan recall dan precision yang menunjukkan hasil nilai recall 34% dan precision 44%. Rendahnya nilai recall dan precision terjadi karena data produk tidak tersedia pada website sumber. Hal ini telah dibuktikan melalui pengecekan kembali (crosscheck) produk - produk yang tidak ditemukan di aplikasi tersebut secara langsung pada website smarco.co.id dan indomaret.com.

Data Mining untuk Pengelompokan Saham pada Sektor Energi dengan Metode K-Means Anggi Srimurdianti Sukamto; Wawan Setiawan; Enda Esyudha Pratama
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 9, No 1 (2023): Volume 9 No 1
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v9i1.62509

Saham adalah kepemilikan hak oleh perorangan (pemegang saham) pada suatu perusahaan berdasarkan pemberian modal sehingga dianggap memiliki kepemilikan dan pengawasan perusahaan tersebut berdasarkan bagian tertentu. Menurut data dari Indonesia Stock Exchange (IDX) pada tahun 2020, jumlah investor di Pasar Modal Indonesia yang terdiri dari investor saham, reksadana dan obligasi, mengalami kenaikan 56 persen yaitu 3,87 juta Single Investor Identification (SID) sampai pada tanggal 29 Desember 2020. Kenaikan ini menjadi 4 kali lipat lebih tinggi sejak 4 tahun terakhir. Investor saham juga mengalami kenaikan sebanyak 53 persen menjadi 1,68 juta SID. Hal tersebut menunjukkan besarnya minat masyarakat terhadap keikutsertaan pada kepemilikan saham. Namun dalam berinvestasi terdapat risiko. Risiko dalam berinvestasi di pasar modal sebenarnya dapat diminimalisir dengan pemilihan saham yang benar terutama dalam hal fundamendal perusahaan. Penelitian ini menggunakan metode K-Means untuk mengelompokan saham sesuai dengan karakteristiknya. Berdasarkan perhitungan, didapatkan sebanyak 5 kali Iterasi untuk 4 Kelas/Cluster yang telah didefinisikan diawal. Selain itu, didapatkan hasil bahwa Kelas/Cluster 1 dan 4 diisi oleh emiten-emiten yang memiliki fundamental buruk serta Kelas/Cluster 2 berisi emiten pemberi dividen yang tinggi. Secara keseluruhan, didapatkan kesimpulan bahwa algoritma K-Mean dapat digunakan untuk membantu para Investor dalam melakukan pencarian emiten yang sesuai dengan karakteristik yang diinginkan.

Sistem Informasi Marketplace Penyewaan Lapangan Futsal di Kota Singkawang Berbasis Website ammar alvi hidayatullah; Novi Safriadi; Enda Esyudha Pratama; Fauzan Asrin
Jurnal Ilmiah ILKOMINFO - Ilmu Komputer & Informatika Vol 6, No 2 (2023): Juli
Publisher : Akademi Ilmu Komputer Ternate

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47324/ilkominfo.v6i2.207

Abstrak: Pada Kota Singkawang proses penyewaan lapangan futsal masih menggunakan sistem konvensional. Untuk mengetahui jadwal lapangan penyewa lapangan futsal harus menanyakan ketersediaan jadwal lapangan futsal dengan cara datang langsung ke lokasi tempat futsal yang lapangannya ingin dipesan atau dengan cara menghubungi pengelola lapangan futsal melalui telepon. Permasalahan juga dialami oleh pengelola lapangan futsal dalam melakukan pendataan. Informasi yang disediakan oleh pengelola lapangan futsal juga masih manual, sehingga informasi yang didapatkan oleh penyewa tidak akurat. tujuan dari penelitian ini adalah bagaimana sistem informasi marketplace penyewaan lapangan futsal di kota Singkawang berbasis web dapat membantu penyewa lapangan dalam mendapatkan informasi dan mempermudah dalam melakukan penyewaan dan membantu pengelola lapangan dalam melakukan pendataan dan mempromosikan lapangan futsal yang dikelolanya. Untuk proses pengembangan aplikasi menggunakan metode pengembangan perangkat lunak yaitu metode waterfall. pengujian aplikasi dilakukan dengan dua cara, yaitu pengujian dengan metode Black Box dan UAT. Hasil dari pengujian Black Box adalah sistem dapat bekerja dengan sesuai yang diharapkan. Hasil UAT dari setiap pengguna aplikasi dapat disimpulkan sebuah rata-rata tingkat kepuasan terhadap aplikasi adalah 95,4%.Kata kunci: marketplace, futsal, penyewaan, pembayaranAbstract: In Singkawang City, the futsal field rental process still uses a conventional system. To find out the field schedule, futsal field tenants must ask the availability of the futsal field schedule by coming directly to the location of the futsal place whose field they want to book or by contacting the futsal field manager by telephone. Problems are also experienced by futsal field managers in collecting data. The information provided by the futsal field manager is also still manual, so the information obtained by the tenant is not accurate. the purpose of this study is how the web-based futsal field rental marketplace information system in Singkawang city can help field tenants in getting information and making it easier to rent and help field managers in collecting data and promoting the futsal field they manage. For the application development process using the software development method, namely the waterfall method. application testing is done in two ways, namely testing with the Black Box and UAT methods. The result of Black Box testing is that the system can work as expected. UAT results from each application user can be concluded an average level of satisfaction with the application is 95.4%.Keywords: marketplace, futsal, rental, payment

Penerapan Seleksi Fitur Particle Swarm Optimization pada Klasifikasi Teks (Studi Kasus: Komentar Cyberbullying Instagram) Nadya Lestari; Tursina Tursina; Enda Esyudha Pratama
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 9, No 2 (2023): Volume 9 No 2
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v9i2.68320

Dunia saat ini sedang berada di era Big Data, dimana sejumlah besar data berdimensi tinggi tersebar di berbagai domain, seperti media sosial, layanan kesehatan, bio-informatika, dan pendidikan online. Big Data adalah salah satu teknik pembelajaran mesin dan menjadi alat penting yang populer dalam bisnis, sehingga pengelolaan Big Data yang efektif menjadi hal yang sangat penting. Salah satu topik yang menarik untuk diteliti dalam kajian Big Data khususnya text mining ialah cyberbullying Instagram. Beberapa teknik yang dapat digunakan untuk memecahkan masalah text mining yaitu, clustering, klasifikasi, outlier, asosiasi, dan masih banyak lagi. Klasifikasi merupakan bentuk dasar dari analisis data yang banyak diterapkan diberbagai bidang. Penelitian ini membangun model klasifikasi menggunakan algoritma Logistic Regression dengan penambahan proses seleksi fitur menggunakan algoritma Particle Swarm Optimization sebagai tahapan yang berada sebelum proses pelatihan model regresi untuk mengklasifikasi komentar cyberbullying Instagram. Seleksi fitur dilakukan untuk mempertahankan kinerja model klasifikasi dengan menggunakan jumlah fitur pelatihan yang lebih sedikit. Hasil penelitian menunjukkan bahwa penambahan seleksi fitur dapat mereduksi fitur kata sebanyak 40% yang diikuti penurunan akurasi, presisi, dan AUC masing-masing sebesar 1,25%, 4,25%, 1,09% serta peningkatan nilai recall dan f1-score secara berurut sebesar 5,36% dan 0,57%. Penambahan Particle Swarm Optimization sebagai seleksi fitur pada kasus disimpulkan efektif mempertahankan kinerja pembelajaran model dilihat dari nilai AUC yang tetap berada pada kategori Good Classification saat dilatih dengan fitur kata yang lebih sedikit.

Optimasi Hyperparameter pada Neural Network (Studi Kasus: Identifikasi Komentar Cyberbullying Instagram) Nur Fajriyani; Enda Esyudha Pratama; Rina Septiriana
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 9, No 2 (2023): Volume 9 No 2
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v9i2.68319

Instagram adalah salah satu media sosial yang populer di Indonesia dan memiliki resiko terjadinya cyberbullying, sehingga klasifikasi komentar cyberbullying perlu dilakukan menggunakan text mining. Model klasifikasi yang dibangun pada penelitian ini menggunakan Neural Network dengan arsitektur Multilayer Perceptron dan dilatih dengan algoritma Backpropagation. Bayesian Optimization digunakan untuk melakukan optimasi hyperparameter, dengan hyperparameter yang dioptimasi adalah hidden layer, learning rate, dan momentum. Dilihat dari hasil evaluasi, performa dari model Neural Network dengan optimasi hyperparameter lebih baik daripada Neural Network yang hanya menggunakan default hyperparameter. Dimana model Neural Network dengan default hyperparameter mengalami overfitting dan menghasilkan nilai akurasi sebesar 81,38%, sedangkan model dengan optimasi hyperparameter tidak mengalami overfitting dan mengalami kenaikan akurasi dibandingkan dengan model Neural Network tanpa optimasi hyperparameter dengan model dengan tiga hyperparameter yang dioptimasi yaitu hidden layer, learning rate, dan momentum mengalami kenaikan akurasi sebesar 2,5%, model dengan optimasi hyperparameter pada hidden layer dan pada learning rate masing-masing mengalami kenaikan akurasi yang sama, yaitu sebesar 2,37%, dan model dengan optimasi hyperparameter pada momentum mengalami kenaikan akurasi sebesar 2%. Hasil penelitian ini menunjukkan bahwa hidden layer, learning rate, dan momentum ketika di optimasi secara bersamaan memiliki pengaruh besar dalam mencegah overfitting, menaikan akurasi, dan memiliki waktu eksekusi yang baik daripada dioptimasi secara terpisah.

A Text Mining Implementation Based on Twitter Data to Analyse Information Regarding Corona Virus in Indonesia Enda Esyudha Pratama; Rizqia Lestika Atmi
Journal of Computers for Society Vol 1, No 1 (2020): JCS: June 2020
Publisher : Universitas Pendidikan Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17509/jcs.v1i1.25502

CORONA virus outbreak (COVID-19) began to infect almost all countries in early 2020 including Indonesia. Since its distribution, various information has been spread in the community from various sources, one of them is social media. Various terms also appear on social media related to the corona virus. This study analyzes related terms that emerge from social media-based. The data used was sourced from Twitter in the past month where the data processed was text data. The method used is text mining. Text Mining is a method used to extract important information from a group of texts. From the results of the research conducted, there are several terms or information that tend to appear frequently on social media, namely “PSBB”, “new normal”, “karantina”, and “juru bicara Dr. Reisa”.

Impementasi Aplikasi Virtual Tour Wisata Kabupaten Sambas dengan Metode Image Stitching Feggi Furgandhi; Yulianti Yulianti; Enda Esyudha Pratama
Jurnal Aplikasi dan Riset Informatika Vol 1, No 1 (2022)
Publisher : Jurnal Aplikasi dan Riset Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jari.v1i1.53226

Kabupaten Sambas merupakan Kabupaten yang ada di Kalimantan Barat. Kabupaten Sambas memiliki beberapa tempat wisata seperti Danau Sebedang, Keraton Sambas, Mangrove Paloh dan Desa Temajuk. Namun pada wisata tersebut kurangnya media promosi yang memperkenalkan lebih lengkap tentang wisata yang terdapat disana. Berdasarkan kondisi permasalahan yang ada, maka dari itu diperlukan pengembangan teknologi atau sebuah media untuk memperkenalkan lebih mendalam tentang wisata tersebut, yaitu dengan dibangun sebuah aplikasi virtual tour berbasis android. Aplikasi ini bisa digunakan secara offline yang bertujuan agar aplikasi ini bisa digunakan sebagai pemandu di lokasi wisata yang tidak memiliki jaringan. Aplikasi virtual tour ini menampilkan foto panorama dengan sudut pandang 360° x 180°. Aplikasi ini juga memberikan beberapa informasi tentang benda dan keadaan yang terdapat pada tempat wisata. Penelitian ini menggunakan metode pengembangan aplikasi multimedia MDLC (Multimedia Development Life Cycle) yang terdiri atas 6 tahap, yaitu Concept, Design, Material Collecting, Assembly, Testing, dan Distribution. Tahapan pertama concept yaitu menentukan ide atau tujuan pembuatan aplikasi. Tahap kedua design membuat spesifikasi aplikasi secara rinci termasuk perancangan. Tahap ketiga material collecting merupakan tahapan pengumpulan bahan untuk proses pembuatan aplikasi. Tahap keempat assembly ini merupakan tahap dimana proses pembuatan aplikasi berdasarkan perancangan dilakukan. Tahapan kelima testing yaitu dilakukan pegujian apikasi yang telah dibuat untuk memastikan aplikasi berjalan dengan baik. Tahapan keenam adalah distribution, tahapan ini akan disimpan dimana aplikasi agar dapat digunakan banyak orang. Untuk foto panorama menggunakan metode image stitching agar menjadi sebuah foto dengan sudut pandang 360° x 180°. Berdasarkan hasil pengujian pada aplikasi maka dapat disimpulkan aplikasi berjalan dengan baik. Adapun aspek-aspek yang ada dalam pengujian aplikasi yaitu fungsional suitability dengan nilai X=1, compatibility dengan hasil aplikasi dapat dapat berjalan baik pada sistem operasi android lollipop sampai oreo. Penilaian berdasarkan hasil kuesioner kepada responden mendapat nilai sangat positif dengan persentase 81%. Aplikasi ini juga mendapat nilai persentase yang baik dalam memberikan informasi wisata kepada pengguna dengan persentase 82,5 %.

Sistem Informasi Pengajuan Hibah Dan Bantuan Sosial Pada Sekretariat Daerah (SETDA) Kota Pontianak anita anita; Eva Faja Ripanti; Enda Esyudha Pratama
Jurnal Aplikasi dan Riset Informatika Vol 2, No 1 (2023)
Publisher : Jurnal Aplikasi dan Riset Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/juara.v2i1.74595

Hibah dan Bantuan Sosial merupakan bantuan yang diberikan oleh pemerintah. Mekanisme pemberian Hibah dan Bantuan Sosial yang berasal Anggaran Pendapatan dan Belanja Daerah (APBD) diatur dalam Peraturan Menteri Dalam Negeri (Permendagri) Nomor 32 tahun 2011 tentang pemberian Hibah dan Bantuan Sosial yang Bersumber dari Anggaran Pendapatan dan Belanja Daerah. Khususnya pada Sekretariat (Setda) Kota Pontianak pemberian hibah dan bantuan sosial pada lembaga/organisasi, individu ataupun masyarakat masih melakukan proses pengajuan proposal masih secara konvensional sehingga pada proses konvensional ini memiliki banyak kelemahan diantaranya pengajuan proposal masih secara langsung, masyarakat harus datang ke kantor Sekretariat Daerah Kota Pontianak untuk menemukan dan mendapatkan informasi terkait dengan bantuan, untuk mengetahui kepada siapa dana hibah dan bantuan sosial disalurkan dan apa saja persyaratan yang harus dipenuhi. Masyarakat pun harus datang langsung untuk melakukan pengajuan serta untuk mengetahui informasi apakah proposal yang diajukan diterima atau ditolak. Sistem yang digunakan untuk mengelola menggunakan aplikasi office sehingga pengelolaan dana hibah dan bantuan sosial kurang maksimal dalam transparansi dan akuntabilitas. Permasalahan yang terjadi dalam pelayanan publik serta pengelolaan dana hibah dan bantuan sosial pada Sekretariat Daerah Kota Pontianak mengakibatkan kurang maksimalnya pelayanan publik serta pengelolaan dana hibah dan bantuan sosial sehingga diperlukan sistem informasi dalam pelayanan serta pengelolaan hibah dan bantuan sosial pada Sekretariat Daerah Kota Pontianak. Penelitian ini menghasilkan Sistem Informasi Pengajuan Hibah dan Bantuan Sosial Pada Sekretariat (SETDA) Kota Pontianak yang Berbasis web dibangun dengan framework Laravel. Berdasarkan hasil pengujian Black Box Testing menunjukkan bahwa aplikasi berjalan dengan baik dan dapat menerima masukan dan menampilkan data.

Title

Found 13 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 13 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 13 Documents
Search