Article Per Year (5 Year)
p-Index From 2020 - 2025
5.786
P-Index
This Author published in this journals
All Journal Dinamik Semantik Techno.Com: Jurnal Teknologi Informasi JAIS (Journal of Applied Intelligent System) ANDHARUPA CESS (Journal of Computer Engineering, System and Science) Journal of Information System Sistemasi: Jurnal Sistem Informasi Journal of Applied Geospatial Information Informatika Mulawarman: Jurnal Ilmiah Ilmu Komputer Sinkron : Jurnal dan Penelitian Teknik Informatika JURNAL MEDIA INFORMATIKA BUDIDARMA JOURNAL OF APPLIED INFORMATICS AND COMPUTING JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) CCIT (Creative Communication and Innovative Technology) Journal EDUMATIC: Jurnal Pendidikan Informatika Building of Informatics, Technology and Science Infotekmesin Indonesian Journal of Electrical Engineering and Computer Science Abdimasku : Jurnal Pengabdian Masyarakat Jurnal Teknik Informatika (JUTIF) Jurnal Restikom : Riset Teknik Informatika dan Komputer Community: Jurnal Pengabdian Pada Masyarakat Jurnal Rekayasa elektrika Prosiding SeNTIK STI&K
Junta Zeniarja
Departemen Teknik Informatika, Fakultas Ilmu Komputer, Universitas Dian Nuswantoro, Indonesia
Arts Humanities 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 Mechanical Engineering Physics Social Sciences Other

Published : 50 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 50 Documents
Search

 1   2   3   4   5 
Algoritma Latent Semantic Analysis (LSA) Pada Peringkas Dokumen Otomatis Untuk Proses Clustering Dokumen Luthfiarta, Ardytha; Zeniarja, Junta; Salam, Abu
Semantik Vol 3, No 1 (2013): Semantik 2013
Publisher : Semantik

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

Abstract

Teknologi pengklasteran dokumen memiliki peran yang signifkan dalam kemajuan teknologi informasi, diantaranya mempunyai peranan penting dalam pengembangan web di bidang akurasi kategorisasi keyword otomatis pada search engine, kategorisasi berita untuk surat kabar elektronik, peningkatan rating situs dengan teknologi Search Engine Optimization (SEO) dan sangat memungkinkan untuk diimplementasikan dalam berbagai teknologi informasi lainnya, oleh karena  itu diperlukan penelitian untuk meningkatkan ketepatan akurasi dalam pengklasteran dokumen. Dalam penelitian ini Algoritma  Latent Semantic Analysis  (LSA) dapat melakukan proses reduksi kalimat dengan lebih baik dibandingkan algoritma Feature Based sehingg a mendapatkan hasil akurasi proses clustering dokumen yang lebih akurat.Beberapa tahapan clustering dalam penelitian ini, yaitu preprocessing, peringkas dokumen otomatis  dengan metode fitur,  peringkas dokumen otomatis dengan  LSA, pembobotan kata,  dan algoritma clustering.Hasil penelitian menunjukkan  tingkat akurasi menggunakan peringkas dokumen otomatis  dengan LSA dalam  proses clusteringdokumen  mencapai  71,04  %yang diperoleh pada tingkat peringkas dokumen otomatisdengan  LSA  40%  dibandingkan dengan hasil clustering tanpa peringkas dokumen otomatis yang hanya mencapai tingkat akurasi 65,97  %.
Integrasi Peringkas Dokumen Otomatis Dengan Penggabungan Metode Fitur dan Metode Latent Semantic Analysis (LSA) Sebagai Feature Reduction Junta Zeniarja; Abu Salam; Ardytha Luthfiarta; L Budi Handoko; Muhammad Jamhari
Semantik Vol 3, No 1 (2013): Semantik 2013
Publisher : Semantik

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (599.107 KB)

Abstract

Proses  clustering dokumen memudahkan pengguna menemukan dokumen yang diinginkan. Dalam prosesnya  dokumen  yang akan dicluster  direpresentasikan menggunakan Vector Space Model (VSM). Masalah  klasik  dalam VSM adalah matrik term-dokumen  yang  sangat jarang (banyak mengandung angka 0 dalam term-dokumen matrik) dan juga  berdimensi tinggi, sehingga dapat mengurangi kinerja clustering dokumen. Oleh karena itu diperlukan suatu metode untuk bisa mengurangi dimensi term-dokumen dan menghilangkan term yang bernilai 0 tersebut sehingga dapat meningkatkan kinerja proses clustering. Dalam penelitian ini diusulkan model peringkas dokumen otomatis  dengan penggabungan metode fitur dan latent semantic analysis (LSA) sebagai feature reduction pada proses clustering dokumen.Tujuan dari penelitian ini adalah untuk meningkatkan akurasi dari clustering dokumen dengan pengkombinasian metode padaperingkas dokumen otomatis yang diintegrasikan sebagai feature reduction. Beberapa tahapan clustering dalam penelitian ini, yaitu preprocessing, peringkas dokumen otomatis  dengan metode fitur ,LSA dan Kombinasi, pembobotan kata, feature selection, feature transformation dan algoritma clustering.   Hasil penelitian menunjukkan  tingkat akurasi menggunakan peringkas dokumen  otomatis yang diintegrasikan sebagai feature reduction  dengan menggabungkan metode fitur dan metode LSA  mencapai 93,33  %  yang diperoleh pada tingkat peringkas dokumen otomatis  LSA Summary + Feature Summary 50% + Feature Selection 20% + LSA  dibandingkan dengan feature selection 20 % tanpa menggunakan peringkas dokumen otomatis yang hanya mencapai tingkat akurasi 89,33 %.
PREDIKSI CHURN DAN SEGMENTASI PELANGGAN MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK BERBASIS EVOLUTION STRATEGIES Junta Zeniarja; Ardytha Luthfiarta
Techno.Com Vol 14, No 1 (2015): Februari 2015 (Hal. 1-78)
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1400.184 KB) | DOI: 10.33633/tc.v14i1.706

Abstract

Pelanggan merupakan bagian penting dalam memastikan keunggulan dan kelangsungan hidup perusahaan. Oleh karena itu perlu untuk memiliki sistem manajemen untuk memastikan pelanggan tetap setia dan tidak pindah ke pesaing lain, yang dikenal sebagai manajemen churn. Prediksi churn pelanggan adalah bagian dari manajemen churn, yang memprediksi perilaku pelanggan dengan klasifikasi pelanggan setia dan mana yang cenderung pindah ke kompetitor lain. Keakuratan prediksi ini mutlak diperlukan karena tingginya tingkat migrasi pelanggan ke perusahaan pesaing. Hal ini penting karena biaya yang digunakan untuk meraih pelanggan baru jauh lebih tinggi dibandingkan dengan mempertahankan loyalitas pelanggan yang sudah ada. Meskipun banyak studi tentang prediksi churn pelanggan yang telah dilakukan, penelitian lebih lanjut masih diperlukan untuk meningkatkan akurasi prediksi. Penelitian ini akan membahas penggunaan teknik data mining Backpropagation Neural Network (BPNN) in hybrid dengan Strategi Evolution (ES) untuk atribut bobot. Validasi model dilakukan dengan menggunakan validasi Palang 10-Fold dan evaluasi pengukuran dilakukan dengan menggunakan matriks kebingungan dan Area bawah ROC Curve (AUC). Hasil percobaan menunjukkan bahwa hibrida BPNN dengan ES mencapai kinerja yang lebih baik daripada Basic BPNN. Kata kunci: data mining, churn, prediksi, backpropagation neural network, strategi evolusi.
INTEGRASI PERINGKAS DOKUMEN OTOMATIS DENGAN ALGORITMA LATENT SEMANTIC ANALYSIS (LSA) PADA PERINGKAS DOKUMEN OTOMATIS UNTUK PROSES CLUSTERING DOKUMEN Ardytha Luthfiarta; Junta Zeniarja; Abu Salam
Techno.Com Vol 13, No 1 (2014): Februari 2014 (Hal. 1-68)
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (788.592 KB) | DOI: 10.33633/tc.v13i1.543

Abstract

Teknologi pengklasteran dokumen memiliki peran yang signifkan dalam kemajuan teknologi informasi, diantaranya mempunyai peranan penting dalam pengembangan web  di bidang akurasi kategorisasi keyword otomatis pada search engine, kategorisasi berita untuk surat kabar elektronik,  peningkatan rating situs dengan teknologi Search Engine Optimization (SEO) dan sangat memungkinkan untuk diimplementasikan dalam berbagai teknologi informasi lainnya, oleh karena  itu diperlukan penelitian untuk meningkatkan ketepatan akurasi dalam pengklasteran dokumen. Dalam penelitian ini Algoritma Latent Semantic Analysis (LSA) dapat melakukan proses reduksi kalimat dengan lebih baik dibandingkan algoritma Feature Based sehingga mendapatkan hasil akurasi proses clustering dokumen yang lebih akurat. Beberapa tahapan clustering dalam penelitian ini, yaitu preprocessing, peringkas dokumen otomatis dengan metode fitur, peringkas dokumen otomatis dengan LSA, pembobotan kata, dan algoritma clustering. Hasil penelitian menunjukkan tingkat akurasi menggunakan peringkas dokumen otomatis dengan LSA dalam proses clustering dokumen mencapai 71,04 % yang diperoleh pada tingkat peringkas dokumen otomatis dengan LSA 40% dibandingkan dengan hasil clustering tanpa peringkas dokumen otomatis yang hanya mencapai tingkat akurasi 65,97 %. Kata kunci: Text Mining, Clustering, Peringkas Dokumen Otomatis, LSA.
ANALISIS SENTIMEN PUBLIK PADA MEDIA SOSIAL TWITTER TERHADAP PELAKSANAAN PILKADA SERENTAK MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE Atika Rahmawati; Aris Marjuni; Junta Zeniarja
CCIT Journal Vol 10 No 2 (2017): CCIT JOURNAL
Publisher : Universitas Raharja

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (167.708 KB) | DOI: 10.33050/ccit.v10i2.539

Abstract

Pilkada Serentak is a very important event for the future viability regions and countries. Through this election people can cast their vote and elect representatives of the people according to their choice. Public respond can be expressed through twitter social media. Using twitter social media sentiment analysis can then be made about the public response to the implementation of the election simultaneously. The classification process can be detected via text tweeted by twitter users. In this study, the classification of responses detected by text because it is easily obtained and applied. This study determined the classification of the response to the Indonesian language text and increase accuracy by using SVM.Tweet classification method used by the categorical approach is divided into two classes tweet basic level: positive and negative. Data collected from Indonesian twitter tweet as much as 3000. The labeling is not done manually but using clustering method that divides the 3000 data into two groups. Cluster 1 as a group of positive tweets and Cluster 2 as a negative group tweet.2700 for training data and 300 for the test data. The stage of pre-processing the data includetokenization, casenormalization, stop word detection, and stemming. The process of classification using Support Vector Machine (SVM). Accuracy of SVM showed the highest yield that is 91% compared to the k-means clustering with the results of 82%.
PENCARIAN POLA ASOSIASI UNTUK PENATAAN BARANG DENGAN MENGGUNAKAN PERBANDINGAN ALGORITMA APRIORI DAN FP-GROWTH (STUDY KASUS DISTRO EPO STORE PEMALANG) Abu Salam; Junta Zeniarja; Wibowo Wicaksono; Lutfi Kharisma
Dinamik Vol 23 No 2 (2018)
Publisher : Universitas Stikubank

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (885.64 KB) | DOI: 10.35315/dinamik.v23i2.7178

Abstract

Analisis keranjang pasar merupakan study tentang proses analisis untuk mencari sebuah aturan asosiasi dalam mencermati pola-pola pembelian konsumen pada setiap transaksi penjualan, pola-pola pembelian yang sudah di dapat dari pencarian dataset kemudian dapat digunakan untuk merencakan strategi penjualan seperti harga diskon jika membeli barang A dan B atau menunjukan tata letak pada barang yang ditemukan pada proses pencarian pola asosiasi yang menghasilkan aturan asosiasi, pola asosiasi sendiri memiliki beberapa metode untuk mencari aturan asosiasi dan yang sering dipakai dalam pencarian aturan asosiasi adalah Apriori dan FP-Growth dimana kedua metode ini menghasilkan aturan asosiasi dengan tingkat lift ratio yang tinggi dimana jika lift ratio bernilai >1 sudah dinyatakan valid sehingga semakin besar tingkat lift ratio pada aturan asosiasi yang ditemukan maka akan semakin kuat aturan asosiasi tersebut, pada penelitian ini penulis melakukan pencarian aturan asosiasi pada data penjualan epo store pada bulan November, Desember 2017 dan Januari 2018, dengan menggunakan dua metode pencarian asosiasi yaitu apriori dan FP-Growth untuk membandingkan metode mana yang lebih baik dalam pencarian aturan asosiasi serta untuk melakukan perencanaan penjualan berupa tata letak dari metode yang memiliki tingkat lift ratio tertinggi.
Naive Bayes Classifier Based Geographic Information System for University Search Information Junta Zeniarja; Ardytha Luthfiarta; Catur Supriyanto
Journal of Applied Intelligent System Vol 2, No 2 (2017): December 2017
Publisher : Universitas Dian Nuswantoro and IndoCEISS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/jais.v2i2.1587

Abstract

Information about the geographical location of universities is necessary for graduates of Senior High School who want to continue their education to a university. Most of the graduate students do not know the location of the universities since the geographical location of Google Maps is less clear and less precise. Therefore, the application of Geographic Information Systems (GIS) based on Information Retrieval (IR) is expected to facilitate the graduate students to know the exact location of the university. In this paper, IR-based GIS application is developed by using web programming. The web is used as a search engine when someone wants to find a college. The application shows the map and information of the college in the area according to the query of the user. Naive Bayes algorithm is used to classify the user query and locate the query on the map. Based on our prototype, the application is promising to be implemented for the student.
Penerapan Algoritma K-Nearest Neighbor pada Information Retrieval dalam Penentuan Topik Referensi Tugas Akhir Ramadhan Rakhmat Sani; Junta Zeniarja; Ardytha Luthfiarta
Journal of Applied Intelligent System Vol 1, No 2 (2016): Juni 2016
Publisher : Universitas Dian Nuswantoro and IndoCEISS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/jais.v1i2.1189

Abstract

Perpustakan sebagai bagian penting universitas,   berperan sebagai sumber pustaka dan referensi laporan Tugas Akhir(TA). Semua koleksi tersebut ditempatkan dalam ruangan tertentu sesuai dengan kategorinya dan data tersebut sudah terkomputerisasi dengan baik di dalam server database. Permasalahan penelitian adalah  pencarian dan pengidentifikasian laporan Tugas  Akhir  berdasarkan  topik  yang  diangkat. Tujuan penelitian ini mendapatkan akurasi klasifikasi yang baik menggunakan algoritma K-Nearest Neighbor (KNN) dan menerapkannya kedalam sebuah program. Sehingga klasifikasi topik TA dapat menjadi solusi untuk menyelesaikan permasalahan tersebut. Kata kunci — Information Retrieval, K-Nearest Neighbor, Text Mining, Klasifikasi
Prediction on Deposit Subscription of Customer based on Bank Telemarketing using Decision Tree with Entropy Comparison Ardytha Luthfiarta; Junta Zeniarja; Edi Faisal; Wibowo Wicaksono
Journal of Applied Intelligent System Vol 4, No 2 (2019): Journal of Applied Intelligent System
Publisher : Universitas Dian Nuswantoro and IndoCEISS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/jais.v4i2.2772

Abstract

Banking system collect enormous amounts of data every day. This data can be in the form of customer information,  transaction  details,  risk profiles,   credit   card   details,   limits   and   collateral    details, compliance  Anti Money Laundering (AML) related information, trade  finance  data,  SWIFT  and  telex  messages. In addition,  Thousands  of decision  are  made in Banking system. For example, banks everyday creates credit decisions,  relationship  start  up,  investment   decisions, AML  and  Illegal  financing  related decision.  To create this decision, comprehensive review on various  reports  and drills  down  tools  provided  by the banking systems is needed.  However, this is a manual process which  is  error  prone  and  time  consuming  due  to  large volume of transactional  and historical  data available. Hence, automatic knowledge mining is needed to ease the decision making process.  This research focuses on data mining techniques to handle the mentioned problem. The technique will focus on classification method using Decision Tree algorithms.  This research provides an overview of the data mining techniques and   procedures will be performed.   It also provides   an insight   into how these techniques can be used in deposit subscription  in banking system to make a decision making process easier and more productive. Keywords - Telemarketing, bank deposit, decision tree, classification, data mining, entropy.
Data Mining Applications for Violence Pattern Analysis with FP-Growth Algorithm Junta Zeniarja; Debrina Luna Arghata Mangkawa; Abu Salam
Journal of Applied Intelligent System Vol 6, No 1 (2021): Journal of Applied Intelligent System
Publisher : Universitas Dian Nuswantoro and IndoCEISS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/jais.v6i1.4444

Abstract

Violence is a crime that is one of the problems the principal experienced by each country. Violence can be interpreted as a behavior that causes harm to someone. According to the results of DP3AKB research in Central Java Province in 2017, there are less many than 200 people in Central Java province experienced acts of violence. By because of the many acts of violence that occur in various forms of violence, it requires definite information about the form of violence that happens most often, in obtaining that information Data mining techniques are needed by using the FP-Growth algorithm. The application of the FP-Growth algorithm to produce form association patterns violence. Hardness data is 420 data, the best 7 rules have been obtained with min value support 50% and min value support 60%. On the best rule results have given a recommendation (solution) so that the DP3AKB can handle the problem of violence well and on target.
Co-Authors Abu Salam Abu Salam Adhitya Nugraha Adhitya Nugraha Adi Wibowo Afridiansyah, Rahmanda Agus Winarno Agus Winarno, Agus Ahmad Alaik Maulani Ailsa Nurina Cahyani Alya Nurfaiza Azzahra Anisatawalanita Ukhifahdhina Anugrah, Muhammad Ikhsan Ardytha Luthfiarta Ardytha Luthfiarta Asih Rohmani Asih Rohmani Asih Rohmani Atika Rahmawati Bayu Aryanto Budi Warsito Cahyani, Ailsa Nurina Candra, Rejka Aditya Catur Supriyanto Catur Supriyanto Debrina Luna Arghata Mangkawa Deby Arida NiMatus Sa’adah Devi Ayu Rachmawati Dianti, Reza Nur Diyan Adiatma Dzaky, Azmi Abiyyu Edi Faisal Edi Sugiarto Edi Sugiarto Edi Sugiarto Egia Rosi Subhiyakto, Egia Rosi Erwin Yudi Hidayat Esmi Nur Fitri Esmi Nur Fitri Esmi Nur Fitri Fajarudin Zakariya Farda Alan Ma'ruf Farda Alan Ma’ruf Ferry Bintang Nugroho Fikri Budiman Fikri Budiman Firmansyah, Gustian Angga Ganiswari, Syuhra Putri Guruh Fajar Shidik Haresta, Alif Agsakli Harun Al Azies Ida Ayu Putu Sri Widnyani Ika Novita Dewi Jaya, Sava Irhab Atma Khoirunnisa, Emila Kiki Widia Kurniawan Ridwan Surohardjo Kurniawan, Defri L. Budi Handoko Luh Putu Ratna Sundari Lutfi Kharisma M Hafidz Ariansyah M. Hafidz Ariansyah Manurung, Ayub Michaelangelo Mas'ud, Ryan Ali Maulani, Ahmad Alaik Mufida Rahayu Muhammad Jamhari Muhammad Joyo Satrio Muljono Muljono Muljono, - Nabila, Qotrunnada Nitho Alif Ibadurrahman Novi Hendriyanto Nur Rokhman Nur Rokhman Octaviani, Dhita Aulia Paramita, Cinantya Pratama, Rifky Ariya Pulung Nurtantio Andono Putra, Vander Mulya Putri, Rusyda Tsaniya Eka Raden Arief Nugroho Rama Eka Saputra Ramadhan Rakhmat Sani Ramadhan, Ahnaf Irfan Ramadhan, Muhammad Eky Restu Agung Pamuji Rezaroebojo, Rizal Riyan Ardiansyah Rohman, Adib Annur Savicevic, Anamarija Jurcev Setiawan, Dicky Setiawan Sindhu Rakasiwi Sri Winarno Sri Winarno Sri Winarno Syabilla, Mutiara Utomo, Danang Wahyu Valentina Widya Suryaningtyas, Valentina Widya Wibowo Wicaksono Wibowo Wicaksono