Article Per Year (5 Year)
p-Index From 2021 - 2026
3.965
P-Index
This Author published in this journals
All Journal Seminar Nasional Informatika (SEMNASIF) JIKO (Jurnal Informatika dan Komputer) Seminar Nasional Variansi (Venue Artikulasi-Riset, Inovasi, Resonansi-Teori, dan Aplikasi Statistika) IKRA-ITH Informatika : Jurnal Komputer dan Informatika JOURNAL OF APPLIED INFORMATICS AND COMPUTING Jurnal Sisfokom (Sistem Informasi dan Komputer) IKRA-ITH ABDIMAS Syntax Idea International Journal of Informatics and Computation JISA (Jurnal Informatika dan Sains) JIKA (Jurnal Informatika) International Journal of Research in Community Services Jurnal Informatika Terpadu Jurnal Pustaka AI : Pusat Akses Kajian Teknologi Artificial Intelligence Formosa Journal of Science and Technology (FJST) Jurnal Pengabdian Masyarakat Bestari (JPMB) Formosa Journal of Applied Sciences (FJAS) Jurnal Keguruan dan Ilmu Pendidikan Prosiding Konferensi Nasional Penelitian Matematika dan Pembelajarannya Universal Raharja Community (URNITY Journal) Jikom: Jurnal Informatika dan Komputer Jurnal Elektronika dan Teknik Informatika Terapan JI-Tech Jurnal PETISI (Pendidikan Teknologi Informasi)
Barus, Simon Prananta
Matana University
Aerospace Engineering Agriculture, Biological Sciences & Forestry Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Mathematics Social Sciences Other

Published : 28 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 28 Documents
Search

 1   2   3 
ANALISIS SENTIMEN PENGGUNA YOUTUBE PADA VIDEO BERJUDUL “10 TAHUN JOKOWI JADI PRESIDEN” Laia, Nico Abel; Barus, Simon Prananta
Jurnal Informatika Vol 9, No 2 (2025): JIKA (Jurnal Informatika)
Publisher : University of Muhammadiyah Tangerang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31000/jika.v9i2.13470

Abstract

Penelitian ini bertujuan untuk menganalisis sentimen yang diungkapkan oleh penonton terhadap video YouTube berjudul "10 Tahun Kepresidenan Jokowi" yang diunggah oleh Narasi Newsroom. Sebanyak 3.000 komentar dikumpulkan dan dianalisis melalui proses praproses data seperti konversi huruf, penghapusan tanda baca, dan stemming. Kategori sentimen ditentukan menjadi tiga kelas: positif, negatif, dan netral. Tiga algoritma machine learning diuji dalam penelitian ini, yaitu Decision Tree, Naive Bayes, dan Support Vector Machine (SVM). Hasil menunjukkan bahwa model Decision Tree memiliki performa terbaik dengan akurasi awal sebesar 92%. Setelah dilakukan fine tuning dan optimalisasi preprocessing, akurasinya meningkat menjadi 95,33%. Temuan ini menunjukkan bahwa Decision Tree tidak hanya unggul dalam klasifikasi, tetapi juga mampu memberikan distribusi sentimen yang representatif: 76% komentar netral, 19% positif, dan 5% negatif. Hasil ini memperlihatkan bahwa opini publik terhadap kepemimpinan Presiden Joko Widodo selama satu dekade sangat beragam, dengan kecenderungan yang kuat pada sentimen netral
IMPLEMENTASI MICROSERVICE PADA APLIKASI MANAJEMEN PROYEK PERANGKAT LUNAK YANG TERINTEGRASI DENGAN GITEA Leonesta, Jose Ryu; Barus, Simon Prananta
Jurnal Informatika Vol 9, No 2 (2025): JIKA (Jurnal Informatika)
Publisher : University of Muhammadiyah Tangerang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31000/jika.v9i2.13422

Abstract

Manajemen proyek telah berevolusi dari metode tradisional ke pendekatan agile, yang mengurangi dokumentasi dan menggunakan kode sumber sebagai dokumen proyek untuk mencerminkan fitur dan alur sistem perangkat lunak. PT Gaws Inti Solusi, sebuah perusahaan perangkat lunak, menghadapi tantangan dalam menggunakan Gitea untuk version control dan distribusi pekerjaan karena antarmuka yang tidak memenuhi kebutuhan mereka. Penelitian ini mengembangkan sistem manajemen proyek berbasis web yang terintegrasi dengan Gitea dan menggunakan arsitektur microservice serta metodologi Spiral, untuk meningkatkan produktivitas dan kolaborasi dalam pelaksanaan proyek. Hasil penelitian ini bermanfaat bagi perusahaan perangkat lunak dan tim proyek yang ingin meningkatkan pengelolaan tugas, memperlancar kolaborasi, dan mengoptimalkan penggunaan alat version control seperti Gitea. Meskipun pengembangan aplikasi belum sepenuhnya selesai, penelitian ini berhasil menjawab pertanyaan mengenai rancangan dan implementasi sistem manajemen proyek, integrasinya dengan Gitea, serta penerapan arsitektur microservice, dan telah menyelesaikan sebagian besar kebutuhan fungsional penting hingga mencapai tahap beta-release.
Temperature and Humidity Monitoring in Hydroponic Cultivation Based on Internet of Things: Dataset Development for Smart Agriculture Barus, Simon Prananta; Seo, Jeriko Ichtus
Jurnal Sisfokom (Sistem Informasi dan Komputer) Vol. 14 No. 1 (2025): JANUARY
Publisher : ISB Atma Luhur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32736/sisfokom.v14i2.2311

Abstract

This research is a continuation of the previous research, entitled "Development of Hydroponic Application based on Web and Internet of Things for the Community to Monitor pH and Total Dissolved Solids." Not only pH and Total Dissolved Solids (TDS) need to be monitored, but also temperature and humidity. This research aims to produce a temperature and humidity monitoring application (in addition to pH and TDS which already exist) in hydroponic cultivation and complete the dataset that supports smart agriculture. The research method includes literature study, hardware development using NodeMCU ESP8266 microcontroller and DHT11 sensor, web-based software development with JavaScript on the Front-End side, PHP on the Back-End side, Apache as Web Server, and MySQL as database management system (DBMS), as well as the implementation stage, integration, system testing and report writing. The results of the research show that the developed system can monitor temperature and humidity in real-time with a good level of accuracy. Not only that, this system can produce a hydroponic dataset that includes temperature and humidity parameters, which can be used for data analysis and improvement of hydroponic management. Thus, this study successfully expanded the scope of the hydroponic monitoring system by adding temperature and humidity parameters. This study contributes to optimizing the hydroponic cultivation system and supporting the development of data-based smart agriculture. Further research will integrate more monitoring parameters, conduct direct hydroponic cultivation trials, and apply artificial intelligence such as machine learning and deep learning to improve efficiency and effectiveness in hydroponic cultivation.
Perbandingan Algoritma Machine Learning dan Deep Learning Dalam Analisis Sentimen Komentar Video YouTube Berjudul Hidup Tanpa Sosial Media anthony, eveline valencia; Barus, Simon Prananta
JURNAL INFORMATIKA DAN KOMPUTER Vol 9, No 2 (2025): Juni 2025
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat - Universitas Teknologi Digital Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26798/jiko.v9i2.1619

Abstract

Penelitian ini membandingkan kinerja model deep learning (LSTM) dan machine learning (Logistic Regression, Naive Bayes, KNN) dalam analisis sentimen pada komentar YouTube, dengan fokus pada persepsi pengguna Indonesia terkait pengaruh konten terhadap kesehatan mental. Dataset terdiri dari komentar yang dilabeli sebagai positif, netral, dan negatif. Hasil menunjukkan bahwa Logistic Regression mencapai akurasi validasi tertinggi (84,0\%), mengungguli LSTM yang kesulitan melakukan generalisasi (akurasi validasi 70,94\%). Mayoritas komentar menunjukkan sentimen netral, dengan sebagian kecil positif dan negatif. Temuan ini menyoroti trade-off antara kompleksitas model dan stabilitas performa, di mana Logistic Regression menawarkan pendekatan yang lebih cepat dan stabil. Penelitian ini juga menekankan pentingnya kesadaran akan dampak negatif media sosial terhadap kesehatan mental, merekomendasikan pengembangan fitur yang mendukung penggunaan sehat dan pengaturan waktu konsumsi konten. Menunjukkan performa yang lebih baik dengan akurasi validasi sebesar 84,0\%. Meskipun LSTM memiliki potensi untuk menangani data yang lebih kompleks, Logistic Regression menawarkan pendekatan yang lebih cepat dan stabil untuk tugas analisis sentimen. Perbandingan ini menyoroti trade-off antara model deep learning dan machine learning dalam aplikasi dunia nyata, dengan penekanan pada pemilihan model berdasarkan karakteristik dataset dan keterbatasan komputasi.
Analisis Sentimen Ulasan Pengguna Aplikasi Famiapps Menggunakan Naïve Bayes, SVM, dan Random Forest Celvin, Jullius; Barus, Simon Prananta
JURNAL PETISI (Pendidikan Teknologi Informasi) Vol. 6 No. 2 (2025): Jurnal PETISI (Pendidikan Teknologi Informasi)
Publisher : Universitas Pendidikan Muhammadiyah Sorong

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36232/jurnalpetisi.v6i2.1934

Abstract

Aplikasi FamiApps yang tersedia di Google Play Store telah digunakan oleh banyak pengguna, namun belum ada penelitian komprehensif untuk mengevaluasi pola emosional mereka. Penelitian ini bertujuan untuk mengeksplorasi sentimen pengguna dan memberikan wawasan mengenai persepsi mereka terhadap aplikasi. Tiga metode machine learning yang dibandingkan adalah Random Forest, Naïve Bayes, dan Support Vector Machine (SVM). Dataset terdiri dari 1.079 ulasan pengguna yang dikategorikan menjadi sentimen positif, negatif, dan netral. Proses analisis melibatkan preprocessing data seperti pembersihan, tokenisasi, stemming, dan pembobotan TF-IDF untuk mengubah teks menjadi format numerik. Evaluasi model dilakukan menggunakan metrik accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa SVM memiliki kinerja terbaik dengan accuracy tertinggi sebesar 98,58% pada skenario pemisahan data 80:20 dan 98,24% pada skenario 70:30. Keunggulan SVM terletak pada kemampuannya menangani data berdimensi tinggi dan menemukan hiperplane optimal untuk klasifikasi lebih akurat. Random Forest dan Naïve Bayes cenderung lebih rentan terhadap noise dan fitur yang kurang relevan. Dengan demikian, penelitian ini menyimpulkan bahwa SVM adalah algoritma paling andal dalam klasifikasi sentimen ulasan pengguna FamiApps. Temuan ini dapat membantu pengembang dalam meningkatkan kualitas aplikasi secara lebih tepat sasaran.
Development of Hydroponic Application based on Web and Internet of Things for The Community to Monitor pH and Total Dissolved Solids Barus, Simon Prananta; Dhamma, Yonathan Arya
International Journal of Research in Community Services Vol. 5 No. 3 (2024)
Publisher : Research Collaboration Community (Rescollacom)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46336/ijrcs.v5i3.708

Abstract

Construction of the Mortality Table with Gompertz's Law Using the 2019 TMI Reference
PENERAPAN METODE HIDROPONIK PADA DESA BENTENG MAMULLU TANAH TORAJA UNTUK MENGATASI KEBUTUHAN SAYUR MAYUR: Penerapan Metode Hidroponik Pada Desa Benteng Mamullu Tanah Toraja Untuk Mengatasi Kebutuhan Sayur Mayur Barus, Simon Prananta; Tangdililing, Matius Monto Lungan; Widjaya, Prya Artha Artha; Sujanto, Sujanto; Jong, Novesa Erick
Universal Raharja Community (URNITY Journal) Vol. 3 No. 1 (2023): URNITY (Universal Raharja Community)
Publisher : UNIVERSITAS RAHARJA

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (8446.244 KB) | DOI: 10.33050/urnity.v3i1.2435

Abstract

Kegiatan pengabdian kepada masyarakat (PKM) yang dilakukan oleh Universitas Matana ini didukung oleh dana hibah menggunakan bantuan pendanaan program penelitian kebijakan merdeka belajar kampus merdeka dan pengabdian kepada masyarakat berbasis hasil penelitian dan purwarupa perguruan tinggi swasta Dirjen Dikti Ristek tahun anggaran 2021. Penelitian hidroponik di Universitas Matana masih awal. PKM bertempat di desa Benteng Mamullu Tana Toraja Sulawesi Selatan. Di desa ini kebutuhan sayur – sayuran cukup tinggi, struktur tanah khs (unik), daerah pegunungan yang terdiri dari persawahan dan sedikit perkebunan, sebagian besar adalah petani / buruh tani, dan termasuk daerah pariwisata "negri di atas awan". Metode pelaksanaan dalam PKM ini, sebagai berikut persiapan PKM, observasi lapangan, instalasi sistem hidroponik, uji coba sistem hidroponik, serah terima dan pembuatan laporan akhir. Sistem hidroponik sebagai pilot projek di desa Benteng Mamullu berhasil dibangun, bahan – bahan dan pelatihan telah diberikan. Dengan demikian, penelitian sederhana hidroponik di Universitas Matana berdampak bagi masyarakat desa Benteng Mamullu Tanah Toraja untuk mendapatkan alternatif dalam bercocok tanam sayuran, metode hidroponik, sehingga dapat memenuhi kebutuhan sayuran secara lebih mandiri. Lebih lanjut, sistem hidroponik dikembangkan ke arah pertanian 4.0, yaitu sistem hidroponik otomatis dan cerdas.
Sistem Pakar untuk Deteksi Gangguan Kepribadian Narsistik di dalam Internal Universitas Matana Menggunakan Forward Chaining Az-zahra, Adinda Safitri; Gulo, Imanuel Andreas; Saranani, Fiola Arta Glorya; Barus, Simon Prananta
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

Abstract

Gangguan Kepribadian Narsistik (Narcissistic Personality Disorder), disingkat NPD, merupakan salah satu kondisi psikologis yang dapat berdampak pada hubungan interpersonal di suatu organisasi, termasuk dalam konteks perguruan tinggi. Sistem pakar merupakan bagian dari kecerdasan buatan (artificial intelligence). Belum banyak penelitian yang dilakukan untuk mengembangkan sistem pakar deteksi NPD berbasis web. Tujuan penelitian ini untuk menghasilkan sistem pakar berbasis kecerdasan buatan yang dapat mendeteksi NPD. Pendekatan forward chaining digunakan untuk inferensi dalam sistem pakar ini. Tahapan metodologi penelitian dalam penelitian ini sebagai berikut perolehan pengetahuan, representasi pengetahuan, pengembangan sistem pakar (dalam pengembangan ini menggunakan model prototyping), dan uji coba sistem pakar. Sistem pakar ini berhasil dibangun dan dilakukan uji coba sebanyak 60 responden, dengan akurasi cukup tinggi dan mampu mengklasifikasikan tingkat potensi gangguan narsistik dengan konsistensi yang baik. Tidak hanya itu, Sistem ini berpotensi digunakan sebagai alat pendukung untuk mencegah dan mempromosikan kesehatan mental sivitas akademika, khususnya dalam mengidentifikasi gejala awal gangguan interpersonal di kampus. Sistem pakar ini berbasis web yang dapat dijalankan di web server sehingga dapat diakses dengan browser dari mana dan kapan saja selama terkoneksi ke Internet.
Co-Authors Abel Laia, Nico Anthony, Eveline Valencia Anton F. Pangruruk Ardila, Veronica Yose Ardila Ary Budi Warsito Ary Budi Warsito Az-zahra, Adinda Safitri Bakti Siregar Celvin, Jullius Dhamma, Yonathan Arya F. Anthon Pangruruk F. Anthon Pangruruk Geraldo Julius Halim Gulo, Imanuel Andreas Jong, Novesa Erick Jose Ryu Leonesta Kenneth Liem Hardadi Kenneth Liem Hardadi Laia, Nico Abel Leonesta, Jose Ryu Marco Suteja Nico Abel Laia Pangestu, Timothy Daniel Pangestu, Timothy Daniel Pangestu Pangruruk, F. Anthon Paramitha Gunawan Prya Artha Widjaja Sabrina Yose Amalia Sabrina Yose Amelia Saranani, Fiola Arta Glorya Seo, Jeriko Ichtus Stanley Tejadinata Sujanto, Sujanto Tangdililing, Matius Monto Lungan Veronica Yose Ardilla Widjaya, Prya Artha Artha