Article Per Year (5 Year)
p-Index From 2021 - 2026
4.833
P-Index
This Author published in this journals
All Journal Jurnal Teknik Sipil ELT Forum: Journal of English Language Teaching Jurnal Pilar Nusa Mandiri IT JOURNAL RESEARCH AND DEVELOPMENT JMM (Jurnal Masyarakat Mandiri) Jurnal Nasional Komputasi dan Teknologi Informasi Abdi Masyarakat Community Development Journal: Jurnal Pengabdian Masyarakat TIN: TERAPAN INFORMATIKA NUSANTARA Community Empowerment Bulletin of Computer Science Research Jurnal Pengabdian Masyarakat (ABDIRA) Jurnal Pengabdian Masyarakat Bhinneka Malcom: Indonesian Journal of Machine Learning and Computer Science Jurnal Sains Student Research Jurnal of Information Technology and Society (JITS) Jurnal Ilmiah Nusantara JURNAL AKADEMIK EKONOMI DAN MANAJEMEN Jurnal Teknologi dan Sains Modern Mars: Jurnal Teknik Mesin, Industri, Elektro dan Ilmu Komputer HUMAN: Journal of Social Humanities and Science Journal of Informatics and Vocational Education Proceeding of Informatics Collaborations and Dessimenation Meeting (Infocoding)
Yudistira Bagus Pratama
Computer Science Study Program, Universitas Muhammadiyah Bangka Belitung, Indonesia
Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Public Health Social Sciences Transportation Veterinary Other

Published : 35 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 35 Documents
Search

 1   2   3   4 
Perbandingan Sentimen Komentar Youtube pada Video Promosi Bisnis Kuliner di Bangka Belitung Menggunakan Algoritma Machine Learning Al Ahfaz Reza Ramdani; Yudistira Bagus Pratama; Arvi Pramudyantoro; Eka Altiarika; Zikri Wahyuzi
Jurnal Teknologi Informasi dan Masyarakat Vol 3 No 1 (2025): Journal of Information Technology and Society (JITS)
Publisher : Universitas Muhammadiyah Bangka Belitung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35438/jits.v3i1.1416

Abstract

Penelitian ini membandingkan sentimen komentar youtube pada video promosi bisnis kuliner di Bangka Belitung menggunakan algoritma machine learning. Penelitian ini bertujuan untuk memahami persepsi masyarakat terhadap bisnis kuliner lokal yang tersebar di platform youtube, serta mengetahui algoritma mana yang lebih efektif dalam mengklasifikasikan sentimen komentar. Metode yang digunakan adalah analisis sentimen dengan pendekatan kualitatif. Algoritma machine learning yang digunakan adalah Support Vector Machine (SVM) dan Naïve Bayes. Data diperoleh melalui proses web scraping terhadap 27 video kuliner khas Bangka Belitung, seperti lempah kuning, mie Koba, otak-otak, dan martabak Bangka, yang kemudian dikumpulkan menjadi 13.692 komentar. Komentar-komentar tersebut diproses melalui tahapan preprocessing, seperti case folding, penghapusan simbol dan angka, tokenisasi, stopword removal, serta stemming. Setelah itu, dilakukan pelabelan sentimen secara manual dan otomatis untuk mengklasifikasikan komentar ke dalam kategori positif, negatif, dan netral. Model klasifikasi kemudian dibangun menggunakan algoritma SVM dan Naïve Bayes, dan dilakukan evaluasi menggunakan metrik akurasi, presisi, recall, dan f1-score. Hasil evaluasi menunjukkan bahwa SVM memiliki akurasi lebih tinggi (86.55%) dibandingkan Naïve Bayes (84.63%). Hasil penelitian menunjukkan bahwa mayoritas komentar memiliki sentimen netral, dengan sedikit komentar positif dan negatif. Penelitian ini memberikan wawasan tentang sentimen masyarakat terhadap bisnis kuliner di Bangka Belitung, yang dapat bermanfaat bagi pelaku bisnis kuliner dalam meningkatkan strategi pemasaran dan pelayanan mereka.
Analisis Data Penjualan Tokopedia Untuk Prediksi Tren Fashion Menggunakan Metode KNN Alfan Asa Ramadhoni; Yudistira Bagus Pratama
Jurnal Teknologi Informasi dan Masyarakat Vol 3 No 2 (2025): Journal of Information Technology and Society (JITS)
Publisher : Universitas Muhammadiyah Bangka Belitung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35438/jits.v3i2.1428

Abstract

Perkembangan industri fashion di Indonesia saat ini mengalami peningkatan yang signifikan seiring dengan pesatnya pertumbuhan e-commerce seperti Tokopedia. Banyaknya variasi produk serta tren yang cepat menuntut adanya metode analisis yang bisa memprediksi tren fashion secara akurat. Penelitian ini bertujuan untuk menganalisis data penjualan produk fashion di Tokopedia dan memprediksi tingkat tren produk menggunakan metode K-Nearest Neighbors (KNN). Data yang digunakan diperoleh melalui proses pengambilan data (scraping) menggunakan web scraper.id dengan tujuan pengambilam data ke Tokopedia menggunakan kata kunci “fashion”, yang mencakup atribut sold, rating, dan price_now sebagai acuan untuk menentukan tren. Variabel-variabel tersebut digunakan sebagai fitur utama dalam proses klasifikasi dengan label keluaran berupa tiga kategori: tren, kurang tren, dan tidak tren. Setelah dilakukan proses normalisasi dan pembagian data latih serta data uji, model KNN diterapkan untuk mengukur akurasi prediksi. Hasil penelitian menunjukkan bahwa metode KNN mampu memberikan performa klasifikasi yang cukup baik dalam mengidentifikasi tren produk fashion berdasarkan data penjualan aktual. Penelitian ini diharapkan dapat memberikan pengaruh dalam pengambilan keputusan bisnis, khususnya bagi pelaku industri fashion dalam menentukan strategi pemasaran dan pengelolaan stok produk yang sesuai dengan tren pasar.
PENGENALAN POLA PREDIKSI POTENSI KASUS KEBAKARAN HUTAN DAN LAHAN DI BANGKA SELATAN DENGAN ALGORITMA RANDOM FOREST MENGGUNAKAN GOOGLE EARTH ENGINE A. Resti Supraeni resti; Yudistira Bagus Pratama; Arvi Pramudyantoro
Jurnal Teknologi Informasi dan Masyarakat Vol 3 No 2 (2025): Journal of Information Technology and Society (JITS)
Publisher : Universitas Muhammadiyah Bangka Belitung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35438/jits.v3i2.1430

Abstract

Kebakaran hutan dan lahan di Kabupaten Bangka Selatan terjadi hampir setiap tahun dan menimbulkan dampak serius terhadap lingkungan, kesehatan, dan aktivitas masyarakat. Penelitian ini bertujuan memprediksi potensi kebakaran serta mengenali pola penyebabnya menggunakan data penginderaan jauh multitemporal dan algoritma Random Forest melalui Google Earth Engine (GEE). Data lingkungan yang digunakan meliputi suhu permukaan (LST), indeks vegetasi (NDVI), curah hujan (CHIRPS), indeks kekeringan (SPI-30), topografi (slope dan aspect), dan tutupan lahan untuk periode 2010–2020. Data diproses melalui tahap pra-pemrosesan, pembuatan citra multiband, pelatihan model, dan evaluasi menggunakan confusion matrix. Hasil penelitian menunjukkan bahwa model Random Forest memiliki performa sangat baik dengan akurasi 96,31%. Prediksi spasial menunjukkan pola wilayah rawan kebakaran yang konsisten, terutama pada area dengan suhu tinggi, vegetasi rendah, serta curah hujan rendah. Hasil ini dapat menjadi dasar bagi BPBD dan DAMKAR Bangka Selatan dalam peringatan dini dan mitigasi kebakaran yang lebih tepat sasaran.
Pendampingan Guru SD Mengembangkan Bahan Ajar Generative AI untuk Literasi dan Numerasi Vika Martahayu; Abdulah Abdulah; Yudistira Bagus Pratama
Jurnal Pengabdian Masyarakat (ABDIRA) Vol 6, No 4 (2026): Abdira
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/abdira.v6i4.2386

Abstract

The use of Generative Artificial Intelligence (GenAI) has the potential to help teachers develop literacy and numeracy teaching materials effectively; however, limited teacher understanding remains a challenge to its utilization. This community service activity aimed to improve teachers’ understanding of using GenAI to develop literacy and numeracy teaching materials in elementary schools. The activity was conducted at UPTD SD Negeri 8 Belinyu, involving nine teachers through socialization, training, practice, mentoring, and evaluation using a Participatory Action Learning (PAL) approach combined with Project-Based Mentoring. Pretest and posttest results showed an increase in teachers’ average understanding from 63% to 83%, representing a 20-percentage-point increase. These findings indicate that practice-based training and mentoring can strengthen teachers’ understanding of using GenAI pedagogically and responsibly to support the development of literacy and numeracy teaching materials.
Implementasi Natural Language Processing berbasis Machine Learning untuk Membangun Aplikasi Chatbot Sebagai Media Informasi Perpustakaan Yudistira Bagus Pratama; Ulyma Tahara Arisandi
Proceeding of Informatics Collaborations and Dessimenation Meeting Vol. 2 No. 1 (2026)
Publisher : Universitas Muhammadiyah Surakarta

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

Abstract

Perkembangan Artificial Intelligence (AI), khususnya dalam bidang Machine Learning (ML) dan Natural Language Processing (NLP), telah mendorong inovasi dalam pengembangan sistem layanan informasi berbasis chatbot. Penelitian ini bertujuan untuk mengembangkan aplikasi chatbot sebagai media layanan informasi perpustakaan di SMA Negeri 1 Kelapa, Bangka Belitung, yang sebelumnya masih menggunakan sistem manual. Metode penelitian yang digunakan adalah kualitatif deskriptif dengan pendekatan pengembangan perangkat lunak menggunakan model waterfall, yang meliputi tahap analisis kebutuhan, desain, implementasi, pengujian, dan pemeliharaan. Model yang digunakan dalam penelitian ini adalah Bidirectional Encoder Representations from Transformers (BERT) untuk klasifikasi intent pengguna. Data yang digunakan meliputi data katalog buku serta data pertanyaan pengguna yang dikategorikan ke dalam beberapa intent. Hasil pelatihan model menunjukkan performa yang baik dengan akurasi sebesar 91% pada data uji dan nilai F1-score sebesar 0,90. Implementasi chatbot berbasis web menggunakan framework Flask menunjukkan bahwa sistem mampu merespons pertanyaan pengguna secara otomatis, akurat, dan kontekstual. Dengan demikian, chatbot yang dikembangkan dapat meningkatkan efisiensi layanan perpustakaan serta mempermudah akses informasi bagi siswa tanpa batasan waktu dan tempat.
Co-Authors A. Resti Supraeni resti Abdulah, Abdulah Agustine, Putri Cahyani Al Ahfaz Reza Ramdani Alfan Asa Ramadhoni Andesta Granitio Irwan Andika Saputra Ari Ardiansyah Ari Gunawan Ari Gunawan Arif, Maulana Arvi Pramudiyantoro Arvi Pramudyantoro Azzani, Arlina Feijriah Bayu Saputra Christivo, Ryevilgo Dalimunthe, Nurzaidah Putri Ega Noviani Eka Altiarika Eka Altiarika Elda Elda Emikawati Erick Prayogo Walton Erick Prayogo Walton, Erick Prayogo Fabian, Cecep Fani Februari Farhan Aflah Pratama Fas’ya, Alvia Fermanda, Syandhu Dea Haiyudi Haiyudi Haiyudi Haiyudi Haiyudi, Haiyudi Hendrik, Maulina Hevitria Hevitria Jauhar Ridloni Marzuq Marwani Marwani Mega Sukma Mega, Iful Rahmawati Micha Arnola Muhamad Mustaqim Nabela, Silvio Juliana Nurjanah Nurjanah Okta, Evan Dwi Pramesti, Diana Putri, Elsa Hana Rahma Rajab Vebrian Ramdani, Al Ahfaz Reza Randi Atul Aufa Ratno Purnamasari Riski Andriani Safitri, Ananda Dwi Setiawan, Rifki Hanif Sevtian, Andre Sherin Sagita Inayah Shinta Pramudya Wardani Silvio Juliana Nabela Sitthipon Art-in Sofwan Arif Agil Suheni Suheni Suheni Sukamto, Ika Sumiyarsi Suprayuandi Pratama Tito Dian Permana Ulyma Tahara Arisandi Vika Martahayu Wiwit Febriyanti Yurdayanti Yurdayanti Yurdayanti, Yurdayanti Zaliman, Iski Zikri Wahyuzi Zikri Wahyuzi