Article Per Year (5 Year)
p-Index From 2021 - 2026
1.953
P-Index
This Author published in this journals
All Journal IAES International Journal of Artificial Intelligence (IJ-AI) JOIV : International Journal on Informatics Visualization JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI Journal of Computer Networks, Architecture and High Performance Computing Jurnal Teknik Informatika (JUTIF) Journal of Applied Data Sciences Information System Journal (INFOS) Journal Automation Computer Information System (JACIS) Abdiformatika: Jurnal Pengabdian Masyarakat Informatika JURNAL MULTIDISIPLIN BHATARA
Sri Ngudi Wahyuni, Sri Ngudi
Unknown Affiliation
Religion Agriculture, Biological Sciences & Forestry Arts Humanities Astronomy Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Nursing

Published : 13 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : journal automation computer information system jacis

 1 
Pengembangan Sistem Informasi Sppd Kabupaten Dogiyai Berbasis Website Menggunakan Framework Django Arbiansyah, Reynaldi; Triwidodo, Ahmad; Grafvera, Ervira Diva; Wahyuni, Sri Ngudi
Journal Automation Computer Information System Vol. 4 No. 1 (2024): Mei
Publisher : Indonesian Journal Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47134/jacis.v4i1.73

Abstract

Berdasarkan hasil penelitian yang dilakukan dalam membangun Website SPPD Kabupaten Dogiyai maka dapat diambil kesimpulannya adalah: Sistem Informasi SPPD menggunakan bahasa pemrograman python dan menggunakan Framework Django sudah dapat diimplementasikan oleh seluruh ASN di Kabupaen Dogiyai. Aplikasi ini dapat menghitung anggaran yang ingin digunakan bagi pagawai yang ingin melakukan perjalanan dinas secara otomatis,  sistem ini juga dapat digunkan sebelum mencetak surat-surat yang diperlukan dalam perjalanan dinas, dan aplikasi ini dapat mempercepat dalam proses pembuatan dokumen-dokumen perjalanan dinas yang diperlukan, serta penyediaan rekap laporan dari setiap perjalanan dinas. Pengujian sistem menggunakan white dan blakbox dan hasilnya dapat diimplementasikan dengan baik di Kabupaten Dogiyai
Perbandingan Algoritma SVM dan RF pada Analisis Sentimen menggunakan Pendekatan Machine Learning Ariaji, Tristanto; Wahyuni, Sri Ngudi; Ikhsan, Muhammad
Journal Automation Computer Information System Vol. 5 No. 1 (2025): Mei
Publisher : Indonesian Journal Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47134/jacis.v5i1.107

Abstract

Analisis sentimen tentang kelangkaan Bahan Bakar Minyak (BBM) di Indonesia merupakan salah satu cara untuk mengetahui opini masyarakat tentang kelangkaan BBM. Analisis sentimen digunakan sebagai dasar pengambilan keputusan oleh pihak berwenang sebagai upaya penyelesaian masalah, sehingga prediksi sentimen perlu dilakukan. Tujuan penelitian ini adalah melakukan perbandingan akurasi algoritma Support Vector Machine (SVM), dan Random Forest (RF) untuk analisis sentimen. Kontribusi pada penelitian ini adalah penentuan algoritma yang efektif dalam analisis sentimen Bahan Bakar Minyak di Indonesia. Adapun Tools olah data menggunakan Google Colab, dengan bahasa pemrograman Python dan  pendekatan Machine Learning. Data eksperimen menggunakan data Twitter, diambil pada tanggal 1 -30 Juli 2022 dan terkumpul 6602 data dalam bahasa inggris. Hasil eksperimen menunjukkan bahwa hasil uji SVM untuk nilai Pressision, F1-Score dan support sebesar 0.98 lalu 0,97, kemudian 0.98 dan 67, sehingga nilai akurasi secara keseluruhan SVM adalah 0.98. Sedangkan RF memiliki hasil uji nilai Pressision, Recall. F1-Score dan support sebesar 0,86 kemudian 0,99 lalu 0,92 dan 67. Sedangkan nilai akurasi secara keseluruhan RF adalah 0.90. sehingga secara keseluruhan model SVM lebih direkomendasikan untuk pemodelan prediksi khususnya analisis sentimen pada kasus kelangkaan BBM melalui data Twitter.
Co-Authors Achmad Fauzi Alva Hendi Muhammad Andiyoko, Cia Andiyoko, Cia Arbiansyah, Reynaldi Ariaji, Tristanto Dewi Anisa Istiqomah Eko Sediyono Erna Daniati Grafvera, Ervira Diva Guji S. U. , Fitra Jibjaya Hanafi Hanafi Hanif Al Fatta Irwan Sembiring Khanom, Nazmun Nahar Kurnia Rasyid, Muhammad Rum Andri M. Hanafi Maemunah, Mei Majid, Ammar Waly Muhammad Ikhsan Mulyatun, Sri Rosyidah Jayanti Vijaya, Rosyidah Jayanti Solehatin, Solehatin Teguh Cahyono Triwidodo, Ahmad Widowati, Anik Sri Widyawati, Rahma Windarni , Vikky Aprelia Wiratama , Bill Bilal Yuli Astuti