Article Per Year (5 Year)
p-Index From 2021 - 2026
1.959
P-Index
This Author published in this journals
All Journal Jurnal Edukasi dan Penelitian Informatika (JEPIN) Jurnal Sains dan Informatika CYBERNETICS Jurnal Ilmiah ILKOMINFO - Ilmu Komputer & Informatika JUSTIN (Jurnal Sistem dan Teknologi Informasi) Nusantara Journal of Multidisciplinary Science Journal of Computers for Society Jurnal Aplikasi dan Riset Informatika
Enda Esyudha Pratama
Universitas Tanjungpura
Religion Humanities Computer Science & IT Education Engineering Languange, Linguistic, Communication & Media Library & Information Science Mathematics

Published : 14 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 14 Documents
Search

 1   2 
Komparasi Algoritma Pengklasifikasian Terhadap Dokumen Jurnal Ilmiah Nuralia Anggelina; Helen Sasty Pratiwi; Enda Esyudha Pratama
Jurnal Aplikasi dan Riset Informatika Vol 1, No 2 (2023)
Publisher : Jurnal Aplikasi dan Riset Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jari.v2i1.53133

Abstract

Dengan kemajuan teknologi yang sangat pesat, membuat banyak sekali jurnal yang dihasilkan dengan berbagai macam subjek mulai dari subjek komputasi, sistem informasi, dan jaringan. Penerapan teknologi informasi dalam dunia pendidikan juga dapat menghasilkan banyak dokumen jurnal yang terdiri dari beberapa subjek yang berpengaruh pada proses pembelajaran. Secara otomatis memerlukan program atau aplikasi yang dapat membantu membedakan setiap jurnal yang kita inginkan. Pada penelitian ini, dua algoritma klasifikasi yaitu Support Vector Machine, dan Naive Bayes di bandingkan kemampuannnya dalam pengklasifikasiaan terhadap jurnal ilmiah untuk menentukan subjek jurnal tersebut. Pengujian yang dilakukan adalah pengujian, precession, recall, f1-score dan accuracy. Dari data yang diperoleh, dapat dilihat bahwa dari rata-rata nilai precision, algoritma Support Vector Machine mendapat nilai tertinggi yaitu 0,6640, sedangkan Naive Bayes terendah pada 0,5360. Untuk rata-rata nilai recall, Support Vector Machine mendapat nilai tertinggi dengan skor 0.5717 sedangkan Naive Bayes terendah dengan skor 0,4414. Untuk F1-Score, rata-rata nilai tertinggi terdapat pada algoritma Support Vector Machine, yaitu 0,5768, sementara rata-rata nilai terendah terdapat pada algoritma Naive Bayes dengan nilai 0,4124. Pada rata-rata nilai accuracy, nilai tertinggi berada pada algoritma Support Vector Machine dengan nilai 0,7468 dan nilai terendah berada pada algoritma Naive Bayes dengan nilai 0,6575.
Aplikasi Penjualan Pakaian Vintage Second Hand Berbasis E-Commerce pada Wakaiko.90s Nur Rizki Fachrullah; Novi Safriadi; Enda Esyudha Pratama
Jurnal Aplikasi dan Riset Informatika Vol 1, No 2 (2023)
Publisher : Jurnal Aplikasi dan Riset Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jari.v2i1.61020

Abstract

Era digital mengubah kegiatan penjualan pakaian bekas (second hand) dari toko fisik menjadi secara online seperti di sosial media dan market place. Tetapi, pada saat ini di negara Indonesia masih banyak yang belum menjual pakaian bekas secara E-Commerce. Oleh karena itu, dapat dirancang aplikasi penjualan pakaian vintage second hand berbasis E-Commerce pada online store Wakaiko.90s. Penelitian ini memiliki rumusan masalah yaitu bagaimana merancang dan membangun aplikasi penjualan pakaian vintage second hand pada Wakaiko.90s. Dengan tujuan untuk merancang aplikasi penjualan online berbasis E-Commerce pada Wakaiko.90s dan juga memudahkan pengolaan, penjualan dan mempermudah pembeli agar lebih efisien dalam bertransaksi. Perancangan website menggunakan Data Flow Diagram (DFD) yang meliputi : desain diagram konteks, diagram overview dan diagram rinci. Aplikasi dibangun berbasis website dengan menggunakan teknik pemrograman terstruktur yang dalam hal ini menggunakan bahasa pemrograman PHP pada sisi back-end sistem dan menggunakan HTML, CSS, JavaScript dan Framework Bootstrap pada sisi front-end sistem. Hasil pengujian aplikasi ini menggunakan metode Black Box untuk menguji fungsionalitas sistem dengan menggunakan aplikasi Katalon Studio dan UAT untuk menguji kelayakan aplikasi.
Perbandingan Algoritma Klasifikasi dalam Pendeteksian Hoax pada Media Sosial Antonius Yonathan; Herry Sujaini; 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.v1i1.53126

Abstract

Pada media sosial, hoax atau berita palsu sering beredar. Pendeteksian hoax secara otomatis memerlukan program ataupun aplikasi yang mengimplementasikan algoritma klasifikasi untuk dapat membedakan konten hoax dengan konten fakta. Pada penelitian ini, lima algoritma klasifikasi, yaitu Multilayer Perceptron, Naïve Bayes, Support Vector Machine, Decision Tree, dan Random Forest dibandingkan kemampuannya dalam mengklasifikasikan data teks Tweet dari media sosial Twitter untuk mengetahui algoritma manakah yang paling akurat dalam mengklasifikasikan data tersebut. Pengujian yang dilakukan adalah pengujian, precision, recall, f1-score dan accuracy. Menurut hasil pengujian rata-rata nilai precision, algoritma Random Forest mendapat nilai tertinggi yaitu 0,8221, sedangkan Support Vector Machine terendah pada 0,7802. Untuk rata-rata nilai recall, Support Vector Machine mendapat nilai tertinggi dengan skor 1,000 sedangkan Multilayer Perceptron terendah dengan skor 0,7990. Untuk F1-Score, rata-rata nilai tertinggi terdapat pada algoritma Naive Bayes, yaitu 0,8742, sementara rata-rata nilai terendah terdapat pada algoritma Multilayer Perceptron dengan nilai 0,7989. Pada rata-rata nilai accuracy, nilai tertinggi berada pada algoritma Naive Bayes dengan nilai 0,7933 dan nilai terendah berada pada algoritma Multilayer Perceptron dengan nilai 0,7033.
Aplikasi Lowongan Kerja Online Menggunakan Metode Hybrid-Based Recommendation Roni Darmawan; Anggi Srimurdianti Sukamto; Enda Esyudha Pratama
Nusantara Journal of Multidisciplinary Science Vol. 1 No. 7 (2024): NJMS - Februari 2024
Publisher : PT. Inovasi Teknologi Komputer

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

Abstract

Aktivitas utama yang dilakukan sehari – hari seorang individu untuk mencari uang adalah dengan cara bekerja. Mencari pekerjaan yang sesuai dengan latar belakang pendidikan yang kita tekuni tidaklah mudah. Banyak individu yang tidak mengetahui kemampuan diri mereka sendiri dan keterbatasan informasi lowongan pekerjaan juga menjadi hambatan bagi pelamar yang ingin mencari pekerjaan. Karena itu, diperlukan satu ‘alat bantu’ yang dapat memberi rekomendasi bidang pekerjaan apa yang sesuai dengan belakang pendidikan yang bersangkutan. Metode hybrid based recomendation adalah dengan menggabungkan teknik collaborative-filtering (algoritma consine similarity) dan content-based (Alternating Least Squares). Algoritma consine similarity digunakan untuk pengklasifikasian bidang pekerjaan sedangkan untuk rekomendasi pekerjaan, digunakan algoritma Alternating Least Squares. Pada Alternating Least Squares digunakan rumus similarity untuk menghitung kedekatan antara pelamar dan lowongan pekerjaan berdasarkan pencocokan bobot dan atribut yang ada. Output yang dihasilkan dari sistem ini berupa daftar rekomendasi pekerjaan yg sesuai dengan latar belakang pendidikan pelamar
Co-Authors ammar alvi hidayatullah Anggi Srimurdianti Sukamto Anita Anita Antonius Yonathan Bandel Elon Subrata Eva Faja Ripanti Fauzan Asrin Feggi Furgandhi Helen Sasty Pratiwi Herry Sujaini Nadya Lestari Novi Safriadi Nur Fajriyani Nur Rizki Fachrullah Nuralia Anggelina Rina Septiriana Rizqia Lestika Atimi . Rizqia Lestika Atmi Roni Darmawan Sholva, Yus Tursina Tursina Wawan Setiawan Yulianti Yulianti