Claim Missing Document
Check
Articles

Found 15 Documents
Search
Journal : Jurnal Teknologi Informasi dan Ilmu Komputer

Sistem Rekomendasi Pemilihan Sekolah Menengah Atas Sederajat Kota Malang Menggunakan Metode AHP ELECTRE Dan TOPSIS Aqli, Ibnu; Ratnawati, Dian Eka; Data, Mahendra
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 3 No 4: Desember 2016
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (807.871 KB) | DOI: 10.25126/jtiik.201634228

Abstract

AbstrakPemilihan tempat pendidikan yang bagus dan sesuai dengan kemampuan anak merupakan hal yang harus dikombinasikan untuk menunjang kemampuan perkembangan seorang anak. Apalagi pada masa pemilihan sekolah setelah lulus jenjang Sekolah Menengah Pertama (SMP) merupakan suatu keputusan yang harus dilakukan sambil mempertimbangkan masa depan. Dalam memilih sekolah lanjutan banyak hal yang biasanya dipertimbangkan, seperti Nilai Ujian Nasional (NUN) yang di dapat oleh siswa, jarak antar rumah siswa dan sekolah, fasilitas sekolah, bahkan prestasi-prestasi sekolah yang dianggap bisa menunjang kemampuan siswanya. Dari permasalahan tersebut, maka dirancang sebuah sistem untuk memberikan rekomendasi sekolah menengah atas sederajat di Kota Malang. Penelitian ini menerapkan metode Analytical Hierarchy Process (AHP) - Elimination Et Choix Tranduisant La Realité (ELECTRE) - Technique for Order Preference by Similarity to Ideal Solution (TOPSIS). AHP melakukan perhitungan pembobotan kriteria, ELECTRE melakukan klasifikasi alternatif “favourable”, dan TOPSIS melakukan perankingan terhadap alternatif sehingga muncul rekomendasi sekolah yang sesuai dengan kriteria pengguna. Untuk pengujian, dilakukan uji akurasi pada metode TOPSIS dengan membandingkan data rekomendasi yang dikeluarkan oleh sistem dengan data yang didapat dari pakar. Pengujian akurasi pada metode TOPSIS mendapatkan nilai akurasi sebesar 82,98%.Kata kunci: Pendidikan, SMA, AHP, ELECTRE, TOPSISAbstractSelecting a good school and appropriate with the children's ability is a matter that must be combined to support children's development. More over, during the school admission time after junior high school period. This period is so essential that the parent and the child have to decide while cinsidering the child's future. On deciding which Senior High Scool that will be attended, things that should be considered might be vary, such as the child's test score (NUN), the distance between home and the school, school facilities, and school achievements. From that issues, this paper explains a system to give a recommendation about Senior High Schools in Malang. This research applied Analytical Hierarchy Process (AHP) - Elimination Et Choix Tranduisant La Realite (ELECTRE) - Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) methods. AHP method is used to calculate criterias  ELECTRE is used to classify alternative "flavourable", and TOPSIS is used to make a rank through the alternatives so that appear several school recommendation that proper with user's ceiteria. To examine the system, the accuration test is conducted on TOPSIS method by comparing recommendation data issued by the system with the data issued by the expert. The accuration test on system get the value of 82.98% accurateness.Keywords: Education, Senior High School, AHP, ELECTRE, TOPSIS
Sistem Rekomendasi Pemilihan Sekolah Menengah Atas (SMA) Sederajat Kota Malang Menggunakan Metode AHP-ELECTRE Dan SAW Prahesti, Suherni; Ratnawati, Dian Eka; Nurwasito, Heru
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 4 No 1: Maret 2017
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (671.786 KB) | DOI: 10.25126/jtiik.201741229

Abstract

AbstrakPendidikan merupakan aspek yang penting bagi masyarakat. Salah satu jenjang pendidikan formal adalah pendidikan menengah yaitu Sekolah Menengah Atas (SMA). Sekolah adalah lembaga yang memberikan pengajaran untuk siswa dibawah pengawasan guru. Setiap tahun ajaran baru, siswa akan memilih sekolah terbaik yang sesuai dengan keinginannya. Terdapat banyak pilihan sekolah dengan berbagai tawaran yang diberikan. Dengan begitu, calon siswa akan mengalami kesulitan dalam menentukan sekolah yang sesuai dengan kriteria yang diinginkan. Penelitian ini bertujuan untuk memberikan rekomendasi sekolah berdasarkan kriteria yang diinginkan oleh calon siswa dengan menerapkan metode AHP-ELECTRE dan SAW ke dalam sistem. Metode AHP digunakan dalam pembobotan dari setiap kriteria, metode ELECTRE melakukan klasifikasi alternatif yang masuk ke dalam kelompok direkomendasikan, dan SAW melakukan perankingan alternatif. Untuk pengujian, hasil pengujian akurasi sistem adalah sebesar 82,98%. Hasil akurasi didapatkan dengan membandingkan hasil rekomendasi sistem dengan data yang telah didapatkan.Kata Kunci: Pendidikan, SMA, AHP, ELECTRE, SAWAbstractEducation is the important aspect for society. One of the education formal stages is, Senior High School. School is the institution which gives a preaching for students in teacher’s control. In every new school year, students will choose the best school that they want. There is a lot of choices of school with various offer is given. So, the student candidate will have a trouble in deciding school which is fit in with the criteria that they want. This research is purpose to gives a recommendation for school based on criteria that student wants with applying AHP-ELECTRE and SAW method into a system. AHP method is used for weighting every criteria, ELECTRE method did an alternative classification into the group recommended, and SAW method did a ranking of alternatives. For testing, the results of accuracy test on system is 82,98%. The accuracy of the results obtained by comparing the recommendations data on the system with the data that has been obtained.Keywords: Education, Senior High School, AHP, ELECTRE, SAW
Optimasi Keuntungan Pembangunan Perumahan Berdasarkan Jumlah Rumah Setiap Tipe Menggunakan Particle Swarm Optimization (PSO) Akbar, Rozaq; Ratnawati, Dian Eka; Sutrisno, Sutrisno
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 4 No 1: Maret 2017
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (727.995 KB) | DOI: 10.25126/jtiik.201741244

Abstract

AbstrakTempat tinggal merupakan kebutuhan setiap individu. Selain hal tersebut, laju pertumbuhan penduduk, serta adanya urbanisasi juga mempengaruhi banyaknya permintaan. Perumahan meupakan salah satu jawaban dalam mengatasi permintaan akan perumahan tersebut. Di Indonesia pembangunan perumahan dijalankan oleh Perumnas atau Perusahaan Umum Pembangunan Perumahan Nasional yang selanjutnya akan diteruskan oleh developer atau pengembang. Developer dalam hal ini melakukan berbagai upaya dalam mencapai keuntungan maksimal. Karena itu, dibutuhkan sistem optimasi dalam menangani masalah ini. Penggunaan Particle Swarm Optimization (PSO) akan sangat membantu dalam hal pencarian optimasi keuntungan. Dilihat dari beberapa kasus yang menggunkakan PSO, hasil yang didapatkan adalah penjadwalan sumber daya proyek yang optimal, penyusunan posisi barang dalam peti kemas yang lebih optimal, dan akurasi yang lebih baik dari fungsi keanggotaan. Sesuai dengan pengujian yang dilakukan dengan menggunakan data dari Permata Garden Regency, didapatkan jumlah keuntungan yang lebih optimal dibandingkan dengan keuntungan yang telah dicapai.Kata kunci: Kentungan, PSO, Perumahan, Tempat Tinggal, Particle Swarm Optimization, Kebutuhan DasarAbstractThe residence is the every individual need. In addition, the population growth rate, as well as the urbanization also affect the number of requests. Housing is one of the answers in addressing the demand for such housing. Housing construction in Indonesia run by Perumnas or Perusahaan Umum Pembangunan Perumahan Nasional which would then be forwarded by the private sector which in this case is the developer. In this case, Developer made various efforts to achieve maximum benefit. Therefore, system optimization needed in addressing this issue. Use of Particle Swarm Optimization (PSO) will be very helpful to the search for benefit optimization. Judging from several cases using PSO, the results obtained are scheduling resources optimum project, preparation of the position of the goods in a container which is more optimal, and better accuracy in a membership function. In accordance with the testing conducted using data from the Permata Garden Regency, found the number of benefits that  more optimal than the gains that have been achieved.Keywords: Benefit, PSO, Housing, Shelter, Particle Swarm Optimization, Basic Needs
Analisis Sentimen Ulasan Rumah Makan Menggunakan Perbandingan Algoritma Support Vector Machine dengan Naive bayes (Studi Kasus: Ayam Goreng Nelongso Cabang Singosari, Malang) Salsabillah, Dinar Fairus; Ratnawati, Dian Eka; Setiawan, Nanang Yudi
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 11 No 1: Februari 2024
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.20241117584

Abstract

Peningkatan kualitas produk dan pelayanan merupakan tantangan yang dihadapi oleh bisnis kuliner, termasuk rumah makan Ayam Goreng Nelongso Singosari di Kabupaten Malang. Analisis sentimen digunakan untuk mengidentifikasi ulasan pelanggan terkait pelayanan, kualitas produk, harga, dan kepuasan pelanggan. Penelitian ini membandingkan metode Support Vector Machine (SVM), metode Naïve Bayes Classifier (NBC), dan Root Cause Analysis untuk mengklasifikasikan sentimen ulasan pelanggan dan menganalisis masalah yang mendasarinya. Tujuan penelitian ini adalah membandingkan hasil dari algoritma Support Vector Machine dan Naïve Bayes Classifier dalam pengklasifikasian sentimen ulasan pelanggan rumah makan Ayam Goreng Nelongso. Penelitian ini juga bertujuan untuk menghasilkan rekomendasi berdasarkan analisis root cause pada sentimen negatif ulasan pelanggan. Implementasi kedua algoritma klasifikasi menunjukkan performa yang baik dalam mengklasifikasikan data dengan akurasi tinggi. Pengujian menunjukkan bahwa kinerja SVM lebih unggul dengan tingkat akurasi mencapai 92,74%, sementara NBC mencapai tingkat akurasi sebesar 91,67%. Hasil analisis root cause menunjukkan beberapa rekomendasi untuk meningkatkan aspek harga, makanan, layanan, dan tempat rumah makan. Rekomendasi yang dapat dilakukan oleh pihak rumah makan diantaranya adalah evaluasi ukuran dan harga, penggunaan deep frying, pelatihan dan evaluasi pelayanan, serta penambahan tenaga kerja atau kerjasama dengan outsourcing dalam menjaga kebersihan tempat. Hasil penelitian diharapkan dapat membantu pemilik rumah makan dalam mengembangkan kualitas produk dan pelayanan serta memberikan pandangan untuk langkahlangkah yang dapat diambil di kemudian hari. 
Penggunaan Metode Naïve Bayes Classifier pada Analisis Sentimen Penilaian Masyarakat Terhadap Pelayanan Rumah Sakit di Malang Dzulkarnain, Tsania -; Dzulkarnain, Tsania; Ratnawati, Dian Eka; Rahayudi, Bayu
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 11 No 5: Oktober 2024
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2024117979

Abstract

Peran rumah sakit dalam kehidupan masyarakat sangatlah penting terkait tingkat kepuasan Masyarakat terhadap pelayanan, fasilitas, dan aspek lainnya. Opini dan penilaian masyarakat turut menjadi penilaian terhadap kinerja pelayanan rumah sakit. Pada Google Maps Reviews banyak ulasan dari berbagai rumah sakit.Penilaian yang sangat besar dapat kita lihat pada Google Maps Reviews akan memakan waktu bagi masyarakat. Keluhan-keluhan Masyarakat disekitar penulis terhadap pelayanan rumah sakit di Malang menjadikan penilaian pelayanan rumah sakit di Malang menjadi objek dari penelitian dasar ini. Penulis memanfaatkan algoritma Naïve Bayes Classifier dan Cross Validation untuk mengkategorikan penilaian berdasarkan sentimen positif dan negatif serta  aspek agar mempermudah pengkategorian. Aspek yang dipergunakan tersebut adalah aspek penanganan, fasilitas, administrasi, dan biaya. Penulis juga menggunakan analisis Root Cause untuk mempermudah masyarakat dan pihak terkait dalam menemukan masalah dan rekomendasi pemecahan masalah. Awalnya data di proses dengan  text preprocessing lalu pembobotan kata TF-IDF, pelabelan data, penerapan algoritma Naïve Bayes Classifier dan mengambil sentimen negatif untuk menentukan Root Cause. Hasil pengujian dengan menggunakan Cross Validation dengan fold k-9 memiliki nilai accuracy 82,97% , precision sebesar 83,13%, recall 82,93%, dan f-measure sebesar 82,92%. Hasil uji dengan menggunakan 20% data tes diperoleh akurasi 90%.   Abstract   The role of hospitals in society is crucial in terms of the level of satisfaction that the community derives from their services, facilities, and other aspects. Public opinions and assessments also contribute to evaluating hospital service performance. On Google Maps Reviews, there are numerous reviews from various hospitals. A significant evaluation can be observed on Google Maps Reviews, which might take time for the community. The complaints of the community around the writer regarding the hospital services in Malang make the assessment of hospital services in Malang the subject of this basic research. The author utilizes the Naive Bayes Classifier algorithm and Cross Validation to categorize assessments based on positive and negative sentiments, as well as 4 aspects to facilitate categorization. The author also employs Root Cause analysis to aid the public and relevant parties in identifying issues and providing problem-solving recommendations. After processing the data through text preprocessing and TF-IDF word weighting, data labeling, applying the Naive Bayes Classifier algorithm, and extracting negative sentiments to determine the Root Cause in negative hospital sentiments. Based on this process, applying Cross Validation with k-9 folds yields the highest values: an accuracy of 82.97%, precision of 83.13%, recall of 82.93%, and an f-measure of 82.92%. Through the sentiment classification and Cross Validation process, the accuracy results in 90% for hospital reviews with the highest number of assessments divided into 2 sentiments and 4 aspects: positive and negative sentiments, as well as treatment, facilities, administration, and costs.
Co-Authors Abdurrahman Airlangga, Aria Abhiram, Muhammad Tegar Achmad Arwan Achmad Ridok Achmad, Riza Putra Adhitya, I Made Yoga Adrian Firmansah, Dani Afif Ridhwan Afrida Djulya Ika Pratiwi Agus Wahyu Widodo Agustin Kartikasari Ahmad Afif Supianto Akbar, Rozaq Aldy Satria Alfa Fadlilah Alifah, Syafira Almira Syawli, Almira Alvian Akmal Nabhan Amonito, Kurnia Ana Mariyam Puspitasari Anak Agung Bagus Arisetiawan Anam, Syaiful Ardhiansyah, Muhammad Hanif Arief Andy Soebroto Arif Pratama Asmoro, Priandhita Sukowidyanti Asroru Maula Romadlon Audia Refanda Permatasari Ayu Dwi Lestari, Cynthia Ayulianita A. Boestari Azizul Hanifah Hadi Bayu Rahayudi Bayu Satriawan, Eka Bayu Septyo Adi Bella Krisanda Easterita Bening Herwijayanti Berton, Freddy Toranggi Buce Trias Hanggara Buce Trias Hanggara Buchori Anantya Firdaus Budi Darma Setiawan Cahyo Gusti Indrayanto Candra Dewi Dany Primanita Kartikasari Darma Setiawan, Budi Darmawan, Riski Davia Werdiastu Denny Manuel Yeremia Sinurat Deny Tisna Amijaya, Fidia Devi Nazhifa Nur Husnina Dewi Yanti Liliana Dhiva Mustikananda Dimas Diandra Audiansyah Dimas Fachrurrozi Azam diniyah, zubaidah Diva, Zahra Djoko Pramono Dwi Ari Suryaningrum Dwi Febry Indarwati Dwi Purwono, Prayoga Dwija Wisnu Brata Dyva Pandhu Adwandha Dzulkarnain, Tsania Dzulkarnain, Tsania - Easterita, Bella Krisanda Edgar Maulana Thoriq Edy Santoso Elfa Fatimah Ema Agasta Entra Betlin Ladauw Eva Agustina Ompusunggu Fadila, Putri Nur Faiz Anggiananta Winantoro Fanka Angelina Larasati Fathin Al Ghifari Fatthul Iman Fauzan Dwi Kurniawan, Fauzan Dwi Fauzidan Iqbal Ghiffari Figgy Rosaliana Firdaus, Muhammad Fariz Fitra Abdurrachman Bachtiar Fitri Dwi Astuti Fitria Yesisca Fitria, Tharessa Ghani Fikri Baihaqi glenando Gusti Ngurah Wisnu Paramartha Hadi Wijoyo, Satrio Hamas, radityo Hana Chyntia Morama Hanggara, Buce Trias Hanifa Maulani Ramadhan Haris Haris, Haris Harris Imam Fathoni Hasibuan, Herida Hafni Hasibuan, Raka Ardiansyah Heru Nurwasito Hilal, Khaliffman Rahmat Hilmy Ramadhan, Achmad Zhafran Huda Minhajur Rosyidin I Dewa Gede Ngurah Bramasta Darmawan Ibnu Aqli Ibnu Aqli, Ibnu Ibrahim Kusuma Ilyas, Muhaimin Imam Cholissodin Imam Cholissodin Imam Cholissodin Immanuel Tri Putra Sihaloho Indriati ., Indriati Indriati Indriati Ismiarta Aknuranda Issa Arwani Issa Arwani Isti Marlisa Fitriani Izza, Aisyah Nurul Jesika Silviana Situmorang Jibril Averroes, Muhammad Juan Michel Hesekiel Kartika, Annisa Wuri Kelvin Anggatanata Kevin Renjiro Khairi Ubaidah Khoba, Ahmad Faiz Khofifatunnabilah, Khofifatunnabilah Krishna Febianda Kusuma, Salsabila Azzahra' Zulfa Lailil Muflikhah Leonardo, Ryan Luqman Rizky Dharmawan M. Ali Fauzi Madjid, Marchenda Fayza Maghfiroh, Sofita Hidayatul Mahendra Data Mahendra Data Mala Nurhidayati Maliha Athiya Rahmani Marji . Marji Marji Marji Marji Marji Marji Maulana Syahril Ramadhan Hardiono Michael Eggi Bastian Mochammad Iskandar Ardiyansyah Rochman Moh Fadel Asikin Muh. Arif Rahman MUHAJIR Muhammad Iqbal Mustofa Muhammad Kevin Sandryan Muhammad Reza Utama Pulungan Muhammad Tanzil Furqon Muhyidin Ubaiddillah Muslimah, Fakhriyyatum Muthia Maharani Nabilah Iftah Nella Naily Zakiyatil Ilahiyah Nanang Yudi Setiawan Nanang Yudi Setiawan Nanda Alifiya Santoso Putri Nanda Petty Wahyuningtyas Nilna Fadhila Ganies Norma Desitasari Novirra Dwi Asri Nugraha Perdana, Aditya Nugraheni, Miftakhul Fitria Nur Adli Ari Darmawand Nur Khilmiyatul Ilmiyah Nuraini Anitasari Nuralam, Inggang Perwangsa Nurul Hidayat Nyimas Ayu Widi Indriana Oceandra Audrey Pandu Adikara, Putra Pangestu Ari Wijaya Panjaitan, RE. Miracle Prahesti, Suherni Prakoso, Ricky Pratomo Adinegoro Priyono, Mochammad Fajri Rahmatullah Rendra Puji Indah Lestari Purnomo, Welly Putra Pandu Adikara Putra, Alland Rifqy Rachmad, Zikfikri Yulfiandi Raden Rizky Widdie Tigusti Rahma, Dzakiyyah Afifah Rahmah, Yusriyah Raisha, Serefika Raja Farhan Ramadha Pohan Rama Humam Syarokha Randy Cahya Wihandika Rani Metivianis Ratih Diah Puspitasari RE. Miracle Panjaitan Rekyan Regasari Mardi Putri, Rekyan Regasari Mardi Retno Indah Rokhmawati, Retno Indah Revi Anistia Masykuroh Rifqi Irfansyah, Nandana Rizal Setya Perdana Rizal Setya Perdana Robiata Tsania Salsabila Aditya Putri Rodiah Rodiah Ryan Leonardo Salsabillah, Dinar Fairus Saparila Worokinasih Saputro, Dimas Satriawan, Eka Bayu Satrio Agung Wicaksono Satrio Hadi Wijoyo Sema Yuni Fraticasari Setiawan, Alexander Christo Setya Perdana, Rizal Setyowati, Andri Shafira Margaretta Sherly Witanto Sherryl Sugiono Sindarto Sigit Pangestu Silvia Ikmalia Fernanda Siregar, Fauziah Syifa R. Siti Fatimah Al Uswah Sobakhul Munir Siroj Sormin, Hartati Penta Angelina Sri Indrayani, Sri Suhhy Ramzini Sukmawati, A'inun Sutrisno Sutrisno Sutrisno, Sutrisno Syaiful Anam Syifa Namira Neztigaty Thifal Fadiyah Basar Titis Sari Kusuma Ulfa Lina Wulandari Utomo, Yoga Cahyo Vina Adelina Welly Purnomo Wibowo, Shinta Dewi Putri Widhy Hayuhardhika Nugraha Putra Wijanarko, Rizqi Winda Fitri Astiti Winurputra, Raihan Wiratama Paramasatya Yahya, Faiz Yolanda Nailil Ula Yudi Setiawan, Nanang Yuita Arum Sari Yunita Dwi Alfiyanti Yure Firdaus Arifin Zahra, Wardah