Article Per Year (5 Year)
p-Index From 2021 - 2026
5.124
P-Index
This Author published in this journals
All Journal ITEj (Information Technology Engineering Journals) Jurnal Ilmiah KOMPUTASI Jurnal Mirai Management JOIV : International Journal on Informatics Visualization JITTER (Jurnal Ilmiah Teknologi Informasi Terapan) Jurnal Sisfokom (Sistem Informasi dan Komputer) JURTEKSI Jurnal Sistem Cerdas JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Jurnal Teknik Informatika (JUTIF) eProceedings of Engineering Jurnal Pengabdian Masyarakat Bangsa The Indonesian Journal of Computer Science International Journal of Computer Technology and Science
Oktariani Nurul Pratiwi
Telkom University
Agriculture, Biological Sciences & Forestry Arts Humanities Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Health Professions Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Mathematics Mechanical Engineering Medicine & Pharmacology Nursing Physics Public Health Social Sciences

Published : 39 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Jurnal Ilmiah KOMPUTASI

 1 
Implementasi Aplikasi Backend Untuk Sistem Informasi Deteksi Defect Produksi Kain Tekstil Menggunakan Php Dengan Framework Laravel Bagaskara, Kumara Ris Panji; Utama, Nur Ichsan; Pratiwi, Oktariani Nurul
Jurnal Ilmiah Komputasi Vol. 23 No. 4 (2024): Jurnal Ilmiah Komputasi : Vol. 23 No 4, Desember 2024
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32409/jikstik.23.4.3662

Abstract

Produksi tekstil terus meningkat seiring dengan investasi modal asing dan tingginya permintaan akan kain tekstil. Dalam menghadapi tantangan ini, diperlukan teknologi mutakhir untuk memastikan kualitas produksi kain. Fokus penelitian ini beralih kepada pengembangan backend sistem untuk menyajikan hasil dari model machine learning klasifikasi objek yang mendeteksi defect. Framework Laravel dan bahasa PHP dipilih sebagai landasan pengembangan, sementara MariaDB berperan sebagai database. Penelitian ini bertujuan meningkatkan akurasi dan resolusi dalam deteksi defect, menciptakan standar kualitas produk yang jelas, dan menggantikan penggunaan inspeksi manual yang rentan terhadap subjektivitas dan kesalahan. Dengan PT Gracia Mega Karya yang menjadi fokus utama penelitian ini, penelitian ini diharapkan dapat memberikan kontribusi signifikan dalam meningkatkan efisiensi dan kualitas produksi kain tekstil. Sebagai hasil, dikembangkan sebuah website laporan dinamakan “Defector” yang menyajikan informasi visual terkait deteksi defect dalam produksi kain tekstil. Website ini dirancang untuk mempermudah pengambilan keputusan terkait perbaikan dan pengembangan proses produksi secara efektif.
Analisis Sentimen Dan Pemodelan Topik Terhadap Aplikasi Pembelajaran Online Pada Platform Google Play (Studi Kasus: Quipper) Gosal, Yose Thimothy; Oktariani Nurul Pratiwi; Iqbal Yulizar Mukti; Deden Witarsyah
Jurnal Ilmiah Komputasi Vol. 23 No. 4 (2024): Jurnal Ilmiah Komputasi : Vol. 23 No 4, Desember 2024
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32409/jikstik.23.4.3663

Abstract

Kemajuan teknologi informasi dan komunikasi pada era Industri 4.0 telah mengubah metode pengajaran di berbagai lembaga, termasuk melalui aplikasi e-learning seperti Quipper. Quipper memanfaatkan teknologi untuk mendukung pembelajaran. Analisis sentimen ulasan pengguna di Google Play diperlukan untuk memahami persepsi pengguna terhadap aplikasi ini. Penelitian ini menggunakan algoritma K-Nearest Neighbor (KNN) untuk klasifikasi sentimen dan Latent Dirichlet Allocation (LDA) untuk identifikasi topik utama dalam ulasan. Algoritma KNN, dipilih karena kesederhanaannya dan akurasi tinggi, menghasilkan akurasi 84.68%, precision 86.40%, recall 85.87%, dan F1-score 86.09% dengan nilai K terbaik 14. Sebagian besar ulasan bersifat positif (55.1%), menunjukkan kepuasan pengguna terhadap Quipper. Analisis LDA mengidentifikasi topik utama dari ulasan positif dan negatif, yang mengungkap aspek-aspek spesifik yang perlu diperbaiki oleh Quipper untuk meningkatkan kepuasan pengguna. Kata kunci: Analisis Sentimen, K-NN, LDA, Pemodelan Topik, dan Quipper
Co-Authors Adnyana, I Gusti Ngurah Bagus Putra Agustiana, Nathifa Al Faruq, Muhammad Za'im Albari, Fatih Alyasyifa, Salma Anindya Prameswari Putri Djakaria Anshari, Faishal Mufied Al Ariandi, Rama Asriana Asriana, Asriana Bagaskara, Kumara Ris Panji Cahyani, Pradita Chika Enggar Puspita Chrisdiyanti, Ivania Nonita Deden Witarsyah Djakaria, Anindya Prameswari Putri Eflin Trinova Limbong Fa'rifah, Riska Yanu Fa'rifah, Riska Yanua Fakhrurroja, Hanif Faqih Hamami Fazrin, Fadhilah Firzania, Heidea Yulia Gosal, Yose Thimothy Hadwirianto, Muhammad Raihan Hanid, Wihda Sifwi Hilman Dwi Anggana Hwang, Jun-seok I B K Widiartha Iqbal Yulizar Mukti Irfan Darmawan Kamil, Andhika Ihsan Kardila, Yuni Kasparov, Michael Christensen Bonar Kurniawan, Muhammad Rayhan Mardika, Jody Muhaimin, Luthfi Ahmad Muharman Lubis Mustada, Fitrina Annisa Nisa, Amarila Zahratun Novanza, Alvin Renaldy Nur Ichsan Utama Nuraliza, Hilda Orvalamarva Pramudia, Rudi Guna Pramuwidya, Shinta Rachmadita Andreswari Rahmadania, Fitri Rizqi, Nabilla Noor Rukmana, Putri Utami Saleh Hasan Badjrie Salma, Farah Sherina Sutoyo, Edi Talisman, Bryan Ronald Yoon, Hyoen-yeong Yulio Ferdinand Zuhairnawan, Raffi Ihza