Article Per Year (5 Year)
p-Index From 2020 - 2025
0.61
P-Index
This Author published in this journals
All Journal Jurnal Restikom : Riset Teknik Informatika dan Komputer Bulletin of Information Technology (BIT) Journal of Practical Computer Science (JPCS)
Sugeng Budi Rahardjo
Universitas Pelita Bangsa
Computer Science & IT Engineering

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
PENERAPAN DATA MINING UNTUK MENGANALISA POLA PEMBELIAN SAYURAN HIDROPONIK MENGGUNAKAN METODE ALGORITMA APRIORI Sugeng Budi Rahardjo; Wiyanto W; Aprilia Sulistyohati; Umilhuda U
Journal of Practical Computer Science Vol 1 No 2 (2021): November 2021
Publisher : DPPM Universitas Pelita Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (643.708 KB) | DOI: 10.37366/jpcs.v1i2.939

Abstract

Seiring dengan maraknya usaha di bidang sayuran hidroponik, UD. Media Farms menyadari akan munculnya persaingan bisnis yang ketat, sehingga diperlukan strategi untuk menarik konsumen, kurangnya sumber informasi baru menjadi salah satu kendala kemajuan bisnis. Tujuan dari penelitian ini adalah untuk mengetahui informasi mengenai sayuran apa saja yang sering dibeli konsumen secara bersamaan dalam satu kali transaksi guna mengoptimalkan hasil panen sayuran hidroponik dan menentukan strategi bisnis penjualan sayuran hidroponik. Metode data mining yang digunakan dalam penelitian ini adalah metode association rule dengan algoritma apriori. Dari proses pengolahan data menggunakan algoritma aprori dan pengujian dengan alat rapid miner, dengan parameter support minimal 20% dan confidence minimal 60% maka aturan asosiasi yang terbentuk adalah 7 aturan. Dari 7 rule yang terbentuk, ditemukan 3 rule dengan nilai confidence tertinggi yaitu (selada → kangkung) dengan nilai support 50% dan confidence 79%, (selada, bayam merah → kangkung) dengan nilai support 25% dan kepercayaan diri 78%, (selada, pakcoy → kangkung) dengan nilai support 22% dan confidence 76%. Ketiga rule tersebut memiliki nilai lift ratio > 1 yang artinya rule tersebut valid dan dapat digunakan dengan baik.
Implementasi E-Desa Untuk Meningkatkan Kualitas Pelayanan Masyarakat Teluk Buyung Ismasari Nawangsih; Sugeng Budi Rahardjo
Bulletin of Information Technology (BIT) Vol 3 No 4: Desember 2022
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/bit.v3i4.426

Abstract

Abstrak− E-desa merupakan sistem informasi online yang digunakan untuk pelayanan kepada masyarakat. Desa Telukbuyung, Pakis Jaya Kerawang yang rata-rata masyarakatnya berprofesi sebagai petani. Tata letak kantor desa yang strategis dari tempat tinggal masyarakat. Perangkat desa mempunyai kendala dalam memberikan informasi dan pelayanan tentang kegiatan desa kepada masyarakat. Perangkat desa turun langsung bila ada info yang penting kepada masyarakat tetapi terkadang tidak betemu dengan masyarakatnya karena sibuk bekeja di sawah. Dan ada juga yang di sediakan info desa, jadwal serta kegiatan di kantor desa. Untuk masyarakat mendapatkan informasi desa, kegiatan, jadwal dan berita desa harus datang ke kantor desa setempat. Informasi yang mereka dapatkan terlihat dari papan pengumuman di kantor desa. Jika tidak ada informasi yang tersedia, masyarakat akan kembali ke rumah. Sehingga membuang waktu dan mendapatkan informasi menjadi tidak pasti. Dengan melihat hasil penelitian kendala yang ada. Peneliti bertujuan mengimplementasikan e-desa sebagai wadah meningkatkan kualitas pelayanan bagi masyarakat Desa Teluk buyung dan mempermudah perangkat desa dalam memberikan serta mengelola informasi. Manfaat bagi masyarakat untuk dengan mudah mendapatkan informasi dan serta pelayanan yang cepat tanpa terhalang oleh ruang dan waktu serta menambah pengetahuan dalam menggunakan teknologi.. Kata Kunci: Implementasi; E-desa; Kualitas; Pelayanan; Masyarakat.
ANALISIS SENTIMEN TERHADAP PELUNCURAN MACBOOK MODEL TERBARU PADA TWITTER DENGAN METODE NAIVE BAYES Fiqih Alfiansyah Zahari; Abdul Halim Anshor; Sugeng Budi Rahardjo
Jurnal RESTIKOM : Riset Teknik Informatika dan Komputer Vol 5 No 2 (2023): Agustus
Publisher : Program Studi Teknik Informatika Universitas Nusa Putra

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52005/restikom.v5i2.157

Abstract

Sudah banyak berbagai jenis laptop beredar dipasaran, yang saat ini terbagi menjadi 3 kelas, yaitu low-end, mid-end, dan high-end yang memiliki kelebihanya masing-masing. Twitter merupakan salah satu media sosial yang popular dikalangan pengguna internet, hal ini dikarenakan twitter mudah digunakan, bebas dalam mengeluarkan pendapat atau opini dan membahas berbagai masalah yang ada. Masalah yang banyak dibahas adalah peluncuran Macbook model terbaru salah satunya. Permasalahan ini mendapat perhatian dari masyarakat luas sehingga opini tersebut dapat diolah dengan cara yaitu analisis sentimen dan diperlukan sebuah metode yang dapat secara otomatis melakukan klasifikasi opini ke dalam kategori positif dan negatif melalui proses analisis sentimen. Naive Bayes merupakan teknik machine learning yang popular untuk pengklasifikasian. Klasifikasi dapat memberikan kemudahan bagi pengguna untuk melihat opini positif dan negatif. Berdasarkan pengujian yang telah dilakukan, hasil klasifikasi terbaik diperoleh dengan nilai accuracy 84.53%, precision 99.79%, dan recall 75.70%.Kata Kunci: Macbook, Klasifikasi, Opini, Data Mining, Naive Bayes There are many different types of laptops on the market, which are currently divided into 3 classes, namely low-end, mid-end and high-end, each of which has its advantages. Twitter is one of the most popular social media among internet users, this is because Twitter is easy to use, free to express opinions or opinions and discuss various existing problems. The problem that has been widely discussed is the launch of the latest Macbook model, one of which. This problem has received attention from the wider community so that these opinions can be processed by means of sentiment analysis and we need a method that can automatically classify opinions into positive and negative categories through the sentiment analysis process. Naive Bayes is a popular machine learning technique for classification. Classification can make it easy for users to see positive and negative opinions. Based on the tests that have been done, the best classification results are obtained with accuracy values of 84.53%, precision of 99.79%, and recall of 75.70%.Keywords: Macbook, Classification, Opinion, Data Mining, Naive Bayes
Co-Authors Abdul Halim Anshor Fiqih Alfiansyah Zahari Nawangsih, Ismasari Sulistyohati, Aprilia Umilhuda U Wiyanto Wiyanto