Article Per Year (5 Year)
p-Index From 2021 - 2026
5.693
P-Index
This Author published in this journals
All Journal Seminar Nasional Aplikasi Teknologi Informasi (SNATI) JIK Jurnal Ilmu Komputer JIKSI (Jurnal Ilmu Komputer dan Sistem Informasi) Seminar Nasional Informatika (SEMNASIF) Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Computatio : Journal of Computer Science and Information Systems Jurnal Ilmiah Universitas Batanghari Jambi Journal of Economic, Bussines and Accounting (COSTING) INTECOMS: Journal of Information Technology and Computer Science ComTech: Computer, Mathematics and Engineering Applications Progresif: Jurnal Ilmiah Komputer Jurnal Muara Sains, Teknologi, Kedokteran dan Ilmu Kesehatan Jurnal Ekonomi Manajemen Sistem Informasi Jurnal Tekinkom (Teknik Informasi dan Komputer) Jurnal Bakti Masyarakat Indonesia Jurnal Info Sains : Informatika dan Sains Jurnal Sains dan Teknologi Prosiding Seri Seminar Nasional Malcom: Indonesian Journal of Machine Learning and Computer Science Journal of Artificial Intelligence and Digital Business RESLAJ: Religion Education Social Laa Roiba Journal International Journal of Advances in Artificial Intelligence and Machine Learning Jurnal Serina Abdimas
Dedi Trisnawarman
Universitas Tarumanagara
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering 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 Energy Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Mathematics Mechanical Engineering Public Health Social Sciences Other

Published : 82 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 82 Documents
Search

 5   6   7   8   9 
Perancangan Dashboard untuk Analisis Penjualan pada Perusahaan X Nathanael Gumarus; Dedi Trisnawarman
Reslaj: Religion Education Social Laa Roiba Journal Vol. 7 No. 9 (2025): RESLAJ: Religion Education Social Laa Roiba Journal
Publisher : Intitut Agama Islam Nasional Laa Roiba Bogor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47467/reslaj.v7i9.8524

Abstract

Company X is one of the companies engaged in the food processing industry, requires a data management system that can produce accurate information in supporting sales activities. Therefore, this research aims to design a dashboard using the Business Intelligence Roadmap approach. In the analysis process using the Time Series Moving Average method to perform the sales forecasting process and clustering for product grouping. The stages of this research begin with the identification of problems related to this research and the collection of sales data for 3 years (2022-2024). The obtained data is then processed through the ETL (Extract, Transformation, Load) process using Pentaho Data Integration and visualized using Power BI Desktop. The results of this study are in the form of an interactive dashboard designed as a tool for monitoring and analyzing sales to help companies make more informed and effective business decisions.
Dashboard BI untuk Visualisasi Harga Bahan Pokok Provinsi Jawa Barat Setiawan, Dany; Trisnawarman, Dedi; Perdana, Novario Jaya
Jurnal Sains dan Teknologi (JSIT) Vol. 5 No. 3 (2025): September-Desember
Publisher : CV. Information Technology Training Center - Indonesia (ITTC)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47233/jsit.v5i3.3832

Abstract

This study aims to design and implement an interactive Business Intelligence (BI)-based dashboard to visualize staple food price data in West Java Province. The data were obtained from the National Strategic Food Price Information Center (PIHPS)–Bank Indonesia, covering the period from January 2023 to December 2024. The Extract, Transform, Load (ETL) process was carried out using Power Query, and the processed data were stored in a MySQL database using a star schema model consisting of fact and dimension tables. Data visualization was developed using Power BI, featuring key indicators such as average price, highest price, lowest price, previous month’s average price, and 3- and 6-month moving averages. The dashboard provides interactive filtering features based on time period, region, and commodity type. The results of Black Box Testing indicate that all system functions operate as expected. This dashboard is expected to enhance price information transparency and support data-driven decision-making for government agencies, business actors, and the public.Key words
Menyusun Sistem Informasi untuk Analisis Pertimbangan Preferensi dan Efisiensi Sistem Pembayaran QRIS, Debit, dan Tunai di Masyarakat Rafael Christoper Suhandi; Dedi Trisnawarman; Agus Budiyantara
Jurnal Ekonomi Manajemen Sistem Informasi Vol. 7 No. 2 (2025): Jurnal Ekonomi Manajemen Sistem Informasi (November-Desember 2025)
Publisher : Dinasti Review

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.38035/jemsi.v7i2.7118

Abstract

Penelitian ini bertujuan untuk menganalisis persepsi pengguna terhadap sistem pembayaran digital di Indonesia, khususnya QRIS, dengan menggabungkan metode analisis sentimen dan klasterisasi. Model hybrid yang digunakan mengombinasikan algoritma Naïve Bayes untuk menganalisis opini publik dari platform Reddit dan algoritma K-Means Clustering untuk mengelompokkan responden survei berdasarkan kesamaan persepsi. Data penelitian diperoleh dari dua sumber, yaitu data sekunder berupa komentar media sosial dan data primer dari survei pengguna. Hasil analisis sentimen menunjukkan mayoritas opini publik bersifat netral hingga positif terhadap penggunaan QRIS. Integrasi hasil sentimen dengan data survei menghasilkan dataset gabungan yang lebih komprehensif dalam menggambarkan perilaku dan pandangan pengguna. Proses klasterisasi menghasilkan tiga kelompok utama pengguna, yaitu pengguna baru yang masih ragu, pengguna adaptif, dan pengguna aktif dengan tingkat kepuasan tinggi. Hasil penelitian menunjukkan bahwa pendekatan hybrid Naïve Bayes dan K-Means efektif untuk mengungkap pola persepsi pengguna serta menunjukkan bahwa penerimaan masyarakat terhadap sistem pembayaran digital QRIS tergolong tinggi.
Perbandingan Alogaritma Antara SVM dan Naïve Bayes Guna Sebagai Sentimen Mahasiswa Chat Ai Armanta Tarigan; Dedi Trisnawarman
Jurnal Ekonomi Manajemen Sistem Informasi Vol. 7 No. 2 (2025): Jurnal Ekonomi Manajemen Sistem Informasi (November-Desember 2025)
Publisher : Dinasti Review

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.38035/jemsi.v7i2.7119

Abstract

enelitian ini menganalisis sentimen mahasiswa Indonesia terhadap penggunaan ChatAI dalam dunia pendidikan menggunakan algoritma Naive Bayes dan Support Vector Machine (SVM) dengan sumber data dari Twitter dan kuesioner. Melalui penerapan teknik Natural Language Processing (NLP) dan ekstraksi fitur TF-IDF, hasil evaluasi membuktikan bahwa SVM merupakan model terbaik dengan F1-Score sebesar 0.802 pada data Twitter dan 0.896 pada data kuesioner, mengungguli performa Naive Bayes secara signifikan. Berdasarkan visualisasi pada sistem berbasis Streamlit, ditemukan bahwa sentimen mahasiswa didominasi oleh respon netral, namun terdapat kecenderungan positif yang lebih tinggi pada data kuesioner dibandingkan media sosial, yang mengindikasikan bahwa ChatAI diterima sebagai alat bantu akademik yang efektif.
Improving Vehicle Payment Method Classification Using XGBoost with SMOTE and SHAP Interpretation Dedi Trisnawarman; Reza Mahendra
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 10 No 1 (2026): February 2026
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29207/resti.v10i1.6935

Abstract

Class imbalance in vehicle payment method classification can cause predictive models to become biased toward the majority. This study aims to build a classification model for automotive consumer payment methods using Extreme Gradient Boosting (XGBoost), with class balancing handled through the Synthetic Minority Over-sampling Technique (SMOTE) and Adaptive Synthetic Sampling (ADASYN), and model interpretability performed using SHAP (SHapley Additive Explanations). The dataset consisted of 11,011 records and 13 attributes derived from Toyota vehicle delivery order transactions. Results show that the XGBoost model without balancing achieved 67.37% accuracy but only 0.24 recall for the Cash class. After applying SMOTE, the recall for the Cash class improved to 0.58, while ADASYN produced a similar improvement at 0.59, with overall accuracy maintained at around 61–62% and a stable ROC-AUC of 0.65. Feature importance and SHAP analysis identified c_vehicle_model and c_city as the most influential factors in predicting the payment method. From a business perspective, the improved ability to detect cash customers reduces the risk of misclassification and enables dealers to better segment customer payment preference. This supports more effective marketing campaigns, sales strategies, and financing risk management. The combination of XGBoost, SMOTE, ADASYN, and SHAP has proven effective in handling imbalanced data while offering transparent interpretability of predictions, making it a practical foundation for data-driven decision-making in the automotive industry.
MENINGKATKAN PENGELOLAAN INSIDEN LAYANAN TI MELALUI KLASIFIKASI INSIDEN RANDOM FOREST Caesha Rachma Dhani; Dedi Trisnawarman; Bagus Mulyawan
Jurnal Ilmu Komputer dan Sistem Informasi Vol. 14 No. 1 (2026): Jurnal Ilmu Komputer dan Sistem Informasi
Publisher : Fakultas Teknologi Informasi Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/wfh6qr87

Abstract

Penanganan insiden secara cepat dan tepat merupakan aspek krusial dalam menjaga kualitas layanan teknologi informasi, namun proses klasifikasi insiden yang dilakukan secara manual sering menyebabkan keterlambatan dan ketidakkonsistenan prioritisasi. Penelitian ini bertujuan meningkatkan efektivitas pengelolaan insiden dengan menerapkan algoritma Random Forest untuk mengklasifikasikan tingkat keparahan insiden berdasarkan data historis. Dataset insiden diproses melalui tahapan Extract, Transform, Load (ETL), kemudian dilakukan praproses dan pembagian data menjadi data latih dan data uji. Model Random Forest dibangun menggunakan parameter dasar dan dievaluasi menggunakan metrik akurasi, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model mencapai akurasi sebesar 71%, dengan precision, recall, dan F1-score masing-masing sebesar 75%. Confusion matrix memperlihatkan model mampu mengenali pola insiden secara cukup konsisten meskipun masih terdapat beberapa kesalahan prediksi. Analisis feature importance juga menunjukkan bahwa Duration dan Priority menjadi fitur yang paling berpengaruh dalam proses klasifikasi. Temuan ini menunjukkan bahwa model Random Forest dapat digunakan sebagai alat bantu untuk meningkatkan konsistensi dan kecepatan dalam proses identifikasi dan prioritisasi insiden layanan TI.
ANALISIS POLUTAN UDARA HARIAN JAKARTA MENGGUNAKAN MANN–WHITNEY DAN KORELASI SPEARMAN Onggo Julius Siddharta; Dedi Trisnawarman
Jurnal Ilmu Komputer dan Sistem Informasi Vol. 14 No. 1 (2026): Jurnal Ilmu Komputer dan Sistem Informasi
Publisher : Fakultas Teknologi Informasi Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/q2dghf28

Abstract

Penelitian ini bertujuan menganalisis hubungan antara faktor meteorologis dan tingkat kesesuaian harian polutan udara di Jakarta terhadap standar WHO 2021. Pendekatan penelitian yang digunakan adalah kuantitatif eksplanatif dengan metode statistik non-parametrik, yaitu uji Mann–Whitney U dan Korelasi Spearman. Data yang digunakan berupa pengamatan harian selama periode 2014–2024 yang diperoleh dari BMKG dan Dinas Lingkungan Hidup DKI Jakarta. Tahapan penelitian meliputi pra-pemrosesan data, klasifikasi tingkat kesesuaian polutan, uji perbedaan distribusi, dan analisis hubungan antar variabel cuaca dan polutan. Hasil uji Mann–Whitney U menunjukkan perbedaan signifikan pada sebagian besar variabel cuaca antara hari yang sesuai dan tidak sesuai terhadap standar WHO. Analisis Korelasi Spearman menunjukkan hubungan positif antara suhu dengan ozon (O₃) dan karbon monoksida (CO), serta hubungan negatif antara kelembaban dan polutan primer seperti PM₁₀, SO₂, dan NO₂. Hasil penelitian ini menegaskan bahwa kondisi panas dan kering memperburuk kualitas udara, sedangkan kondisi lembab dan hujan membantu memperbaikinya.
HYBRID CLUSTERING-CLASSIFICATION UNTUK PERSONALISASI REKOMENDASI UNIT KEGIATAN MAHASISWA BARU Khania Luiza Cahya Tuluswati; Dedi Trisnawarman
Jurnal Ilmu Komputer dan Sistem Informasi Vol. 14 No. 1 (2026): Jurnal Ilmu Komputer dan Sistem Informasi
Publisher : Fakultas Teknologi Informasi Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/664mgm62

Abstract

Penelitian ini bertujuan membantu mahasiswa baru memilih Unit Kegiatan Mahasiswa (UKM) yang sesuai minat secara lebih akurat melalui pendekatan hybrid clustering-classification. Data diperoleh dari kuesioner PKKMB 2024, distandarisasi, dan selanjutnya dikelompokkan menggunakan algoritma K-Means untuk mengidentifikasi pola minat mahasiswa. Label klaster hasil pengelompokan ini ditambahkan sebagai fitur tambahan pada model klasifikasi Multinomial Logistic Regression (MLR) dan Random Forest (RF). Evaluasi kinerja model dilakukan dengan stratified k-fold cross-validation, mengukur akurasi, presisi, recall, dan F1-score. Selain itu, uji Chi-Square dan Cramer’s V digunakan untuk menganalisis kekuatan asosiasi antar variabel kategorikal. Hasil eksperimen menunjukkan model hybrid (MLR dan RF) meningkatkan akurasi rekomendasi dibandingkan model baseline tanpa informasi klaster. Klaster minat memberikan konteks tambahan yang memperbaiki interpretabilitas rekomendasi. Sistem prototipe telah siap diintegrasikan ke dashboard layanan kemahasiswaan.
KOMPARASI ALGORITMA CLUSTERING UNTUK ANALISIS DATA KUESIONER PERGURUAN TINGGI X David Hariadi; Dedi Trisnawarman
Jurnal Ilmu Komputer dan Sistem Informasi Vol. 14 No. 1 (2026): Jurnal Ilmu Komputer dan Sistem Informasi
Publisher : Fakultas Teknologi Informasi Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/fpsvtj38

Abstract

Pengelolaan keselarasan visi dan misi perguruan tinggi telah menjadi salah satu aspek penting dalam penjaminan mutu institusi. Penelitian ini bertujuan untuk menganalisis penerapan metode K-Means Clustering, Spectral Clustering (SC), dan Agglomerative Clustering (AC) dalam mengukur tingkat pemahaman serta implementasi visi dan misi di kalangan pemangku kepentingan akademik. Penelitian ini juga berkontribusi pada proses pengumpulan data serta penerapan teknik data mining dalam menilai kesesuaian institusional berdasarkan data kuesioner yang dikumpulkan pada periode 2020 hingga 2024. Hasil analisis menunjukkan bahwa metode Agglomerative Clustering memiliki kinerja yang sebanding dengan K-Means Clustering dalam mengelompokkan responden dengan karakteristik yang serupa, sementara Spectral Clustering memberikan wawasan tambahan terhadap pola hubungan kompleks antar pemangku kepentingan. Pada akhirnya, penelitian ini menyajikan hasil pengukuran tingkat keselarasan visi dan misi serta memberikan rekomendasi perbaikan bagi perguruan tinggi yang bersangkutan.
PERBANDINGAN SENTIMEN PENGGUNA SHOPEE DAN TOKOPEDIA MENGGUNAKAN NAÏVE BAYES Grace Apriliani Puteri Santoso; Dedi Trisnawarman; Agus Budiyantara
Jurnal Ilmu Komputer dan Sistem Informasi Vol. 14 No. 1 (2026): Jurnal Ilmu Komputer dan Sistem Informasi
Publisher : Fakultas Teknologi Informasi Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/jpxyg121

Abstract

Pertumbuhan pesat ekosistem e-commerce di Indonesia menjadikan ulasan pengguna pada Google Play Store salah satu sumber data penting untuk membaca persepsi dan pengalaman pengguna secara langsung. Penelitian ini bertujuan menganalisis serta membandingkan sentimen ulasan pengguna terhadap aplikasi Shopee dan Tokopedia dengan menggunakan pendekatan klasifikasi Naïve Bayes. Data ulasan dikumpulkan dari halaman Google Play kedua aplikasi, kemudian diproses melalui tahapan prapemrosesan teks, meliputi pembersihan karakter, case folding, penghapusan stopword, dan stemming. Fitur teks direpresentasikan menggunakan Term Frequency Inverse Document Frequency (TF-IDF) dan diklasifikasikan ke dalam label sentimen positif, negatif, dan netral. Kinerja model dinilai menggunakan metrik akurasi, presisi, recall, dan F1-score, sedangkan perbedaan pola sentimen antara Shopee dan Tokopedia dianalisis berdasarkan distribusi kelas dan hasil klasifikasi yang dihasilkan. Temuan penelitian ini memberikan gambaran kuantitatif mengenai kecenderungan penilaian pengguna terhadap kedua platform dan dapat menjadi masukan bagi pengelola e-commerce dalam merumuskan strategi peningkatan kualitas layanan berbasis opini pengguna.
Co-Authors Aditya Tanuwijaya Afina Putri Dayanti Agus Budi Dharmawan Agus Budi Dharmawan Alexander Assisi Amalia Nurain Angela, Octarifa Anthony Honggo Arfianto Panitra Arleine Arleine Armanta Tarigan Asep Darmawan bagus Mulyawan Bagus Mulyawan Bryan Riyanto Budiyantara, Agus Caesha Rachma Dhani Caroline, Angeline Chairisni Lubis Christabel, Meili Cosmas Damianus Wijaya Cynthia Marcelina Cynthia Marcelina, Cynthia Cyrillus Damar Setyo Wardhana Dali Santun Naga Daniela Aedo Dany Setiawan David Hariadi Desi Arisandi Diana Christian Eddy Sutedjo Eddy Sutedjo, Eddy Edward Edward Elvandio Frinandy Ery Dewayani Ferdinand Hartanto Ferdinand Hartanto Ferryanto Ferryanto Ferryanto Ferryanto Feryan Hadipurwanto Firdaus, Mutiara Puspita Fitriya, Febby Nurul Godeliva Vania Ekawardhani Goh, Bryan Jordan Grace Apriliani Puteri Santoso Gulielmus Jason Halim, Thirza Juan Helga Eva Julia Helga Eva Julia, Helga Eva Hendryli, Janson Herison Halim Hizkia Aristyo Christianto Hutagaol, Alice Shizuka Imam, Muhammad Choirul Ivan Filbert Jaceline Chan Janson Hendryli Jap Tji Beng Joseline Joseline Josua Marojahan Joycelin Joycelin Kelvin Julian Tannius Kenny Yan Khania Luiza Cahya Tuluswati Lawrence, Valerie Lely Hiryanto Marcydiaz, Andrew Haikal Margaret Livereja Martin Johnsons Mok, Jerrico Alan Muhammad Choirul Imam Nathanael Gumarus Nelly Nelly Ni Putu Diah Ayu Vita Widia Murti Ni Putu Diah Ayu Vita Widia Murti, Ni Putu Diah Ayu Vita Widia Nicolas Phi Nizham Kamil Hia Novario Jaya Perdana Nurkholiza, Rahmiyana Okengwu, Ugochi A Oktovianus Irvan Onggo Julius Siddharta Panca, Azarya Prischila, Verrent Putri, Tifani Anasya Qadriah, Sekar Aurannisa Ramdhani Radot Regen, Radot Rafael Christoper Suhandi Reza Mahendra Ricki Gozal Ricky Giovanni Putra Tanjaya Rio Rio Rio Sucitra, Rio Riva Audrey Runtukahu, Winona Charisda Salim Susanto Salsabila, Tasya Mulia Samantha, Velline Simon Simon Stefanus Simon, Stefanus Stephen Prihandana, Stephen Stevan Stevan Steven Federico Giovano Supriyanton, Adolf Asih Tony Tony Tony Tony Tri Sutrisno TRI SUTRISNO TRI SUTRISNO Utari Apriani Veronika Verrent Prischila Victor Femona Laoli Victor Victor Victor Victor Viny Christanti Viny Christanti M Wasino Wasino Wijaya, Angeline Carolina Zyad Rusdi Zyad Rusdi