Article Per Year (5 Year)
p-Index From 2020 - 2025
1.431
P-Index
This Author published in this journals
All Journal IAES International Journal of Artificial Intelligence (IJ-AI) Proceeding Information Technology JOIV : International Journal on Informatics Visualization IKRA-ITH Informatika : Jurnal Komputer dan Informatika JATI (Jurnal Mahasiswa Teknik Informatika) Eduvest - Journal of Universal Studies Journal of Informatics and Advanced Computing
Ionia Veritawati
Pancasila University
Aerospace Engineering Computer Science & IT Engineering Health Professions Neuroscience Social Sciences

Published : 10 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : IKRA-ITH Informatika : Jurnal Komputer dan Informatika

 1 
Analisis Sentimen Ulasan Penumpang Maskapai Low Cost Carrier (LCC) Menggunakan Algoritma XGBoost Dan Cosine Similarity Rosianti, Noviana; Veritawati, Ionia
IKRA-ITH Informatika : Jurnal Komputer dan Informatika Vol. 10 No. 2 (2026): IKRAITH-INFORMATIKA Vol 10 No 2 Juli 2026
Publisher : Fakultas Teknik Universitas Persada Indonesia YAI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37817/ikraith-informatika.v10i2.5465

Abstract

Indonesia menjadi negara dengan kapasitas penerbangan terbesar di ASEAN pada tahun 2025. Halini dapat terjadi dikarenakan Indonesia merupakan negara yang mempunyai lebih dari 17.000 pulau sehinggamenjadikan transportasi sebagai sarana untuk menghubungkan antar wilayah di Indonesia. Salah satutransportasi udara yang dapat digunakan adalah pesawat. Di Indonesia market share pesawat didominasidengan pesawat jenis low cost carrier (LCC). Menurut pengamat penerbangan, dominasi yang terjadi padamarket share bukanlah sebuah monopoli melainkan karena pasar penerbangan domestik masih memilikibanyak pemain. Sehingga persaingan maskapai saat ini tidak terbatas pada harga melainkan pada faktor lainseperti keberagaman rute, jadwal penerbangan, dan persepsi penumpang terhadap kualitas layanan. Karenahal inilah diperlukan penilaian terhadap pelayanan yang diberikan. Oleh karena itu, penelitian ini dilakukanuntuk membantu maskapai melakukan penilaian terhadap pelayanan yang telah diberikan, melalui analisissentimen dari data Citilink dan Lion Air menggunakan metode XGBoost untuk klasifikasi kelas berdasarkanulasan dari kedua maskapai tersebut. Penelitian ini memberikan hasil yaitu, analisis sentimen dapat diterapkandengan menggunakan algoritma XGBoost baik untuk data Lion maupun data Citilink. Dari hasil tersebut dataCitilink memperoleh pemodelan dengan hasil terbaik seperti akurasi sebesar 82% presisi 79% recall 70% danF1 Score 74%. Sedangkan data Lion mendapatkan pemodelan terbaik dengan akurasi 87% presisi 67% recall59% dan F1 score 0,63%. Selain itu, Cosine Similarity dapat membantu menemukan anomali di dalam datasehingga hasil dari akurasi model yang digunakan dapat meningkat.
Penggunaan Algoritma Support Vector Machine Untuk Penentuan Rekomendasi Penerima Beasiswa Di SMA Negeri 8 Kota Bogor Rafly, Muhammad; Veritawati, Ionia
IKRA-ITH Informatika : Jurnal Komputer dan Informatika Vol. 9 No. 1 (2025): IKRAITH-INFORMATIKA Vol 9 No 1 Maret 2025
Publisher : Fakultas Teknik Universitas Persada Indonesia YAI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37817/ikraith-informatika.v9i1.4381

Abstract

Scholarship is an assistance program in the form of educational funding in the form of beinggiven to assist students in obtaining proper education. SMA Negeri 8 Bogor City as aneducational unit that organizes formal education, participates in providing scholarships for itsstudents. The scholarship program at SMA Negeri 8 Bogor City has not used an effective andefficient method in determining the eligibility of students to receive scholarships so that errorsoften occur such as scholarships that are not on target. To overcome this, a website-basedscholarship prediction application was created to predict the eligibility status of students toreceive scholarships. Prediction is done using the classification method with the Support VectorMachine model. The results in the composition of 70% training data and 30% testing data get thehighest evaluation results with Accuracy 89%, Precision 91%, Recall 95%.
Co-Authors Arnecia, Zahra Jane Bunyamin Bunyamin Divayaning, Erin Erick Fernando B311087192 Evi Sopandi, Evi Faradilla, Zyhan Fitra Ningrum, Dea Indah Nastiti, Tashia Ito Wasito Maspiyanti, Febri Mastra, Riadika Mujiono Sadikin Murtako, Amir Paryudi, Iman Pribadi, Adi Wahyu Putri Ramadhani, Shabrina Rafly, Muhammad Riono, Bambang Rosianti, Noviana Safitry, Dwy Laila Sintha Wahjusaputri, Sintha Subagyo, Tatang Zidan, Husein