Article Per Year (5 Year)
p-Index From 2021 - 2026
0.817
P-Index
This Author published in this journals
All Journal Applied Technology and Computing Science Journal Journal of Informatics and Computer Science (JINACS)
Paramitha Nerisafitra
Universitas Negeri Surabaya
Computer Science & IT Engineering Social Sciences

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : Journal of Informatics and Computer Science (JINACS)

 1 
RiasPedia sebagai Aplikasi Rekomendasi Jasa Tata Rias dengan Metode Fuzzy Tahani Wahyu Prasetyo; Paramitha Nerisafitra
Journal of Informatics and Computer Science (JINACS) Vol 4 No 02 (2022)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jinacs.v4n02.p150-159

Abstract

Perkembangan bisnis jasa tata rias saat ini sangat berkembang pesat dengan adanya teknologi sebagai sarana penunjang bisnis. Hal ini membuat persaingan bisnis dibidang tersebut menjadi lebih banyak. Dengan adanya banyak penyedia jasa tata rias yang menawarkan jasa membuat konsumen bingung dalam menentukan pilihan yang tepat sesuai dengan kriteria yang diinginkan seperti lokasi, harga dan ulasan dari konsumen lain yang pernah mendapatkan pelayanan. Penyedia jasa yang baik tentunya memiliki pelayanan yang baik kepada konsumen terutama dalam hal kenyamanan, dan harga yang lebih terjangkau yang membuat daya tarik tersendiri. Dalam mengetahui kualitas penyedia jasa tertentu, konsumen biasanya lebih memperhatikan ulasan dan skor rating dari konsumen yang pernah menggunakan jasa yang lebih dulu akan tetapi terkadang konsumen belum bisa memastikan secara keseluruhan dari rating yang diberikan dalam suatu aplikasi. Dengan permasalahan tersebut penelitian ini memberikan alternatif solusi yang berguna dalam menentukan penyedia jasa tata rias sesuai kriteria dengan Fuzzy Tahani dan menggunakan pendekatan analisis sentimen terhadap suatu ulasan yang positif atau negatif, data kriteria diolah untuk mendapatkan hasil data yang direkomendasikan kepada calon konsumen. Data yang disajikan memiliki nilai fire strength atau tingkat kesesuaian kriteria dengan berkisar antara 0 (nol) sampai dengan angka 1 (satu) sangat sesuai. Tujuan dalam penelitian ini adalah menerapkan logika fuzzy tahani dalam membantu memberikan rekomendasi penyedia jasa tata rias kepada konsumen sesuai dengan kriteria yang telah ditentukan. Hasil akhir penelitian ini adalah aplikasi RiasPedia yang memberikan rekomendasi dan membantu pengambilan keputusan dalam memilih penyedia jasa tata rias.
Implementasi Sistem Informasi Geografis Jalur Pendakian Gunung Penanggungan Dengan Metode Dijkstra Dan Penerapan Fuzzy Dalam Rekomendasi Jalur Martha Yogi Yuda Rifendy; Paramitha Nerisafitra
Journal of Informatics and Computer Science (JINACS) Vol 4 No 03 (2023)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jinacs.v4n03.p283-291

Abstract

Kegiatan mendaki gunung adalah kegiatan yang relatif tinggi tingkat bahayanya yang mengharuskan pendaki berjalan dihutan dan menghabiskan waktu yang cukup lama dengan kadar oksigen yang semakin menipis serta suhu yang sangat dingin bahkan bisa mencapai dibawah 0 derajat Celcius. Gunung Penanggungan merupakan objek untuk melakukan kegiatan pendakian bagi para pendaki. Untuk mendaki ke Gunung Penanggungan para pendaki bisa melalui beberapa jalur resmi pendakian yaitu Pendakian via Tamiajeng, Kedungudi, dan Jolotundo, namun kebanyakan para pendaki memilih jalur pendakian via Tamiajeng karena memiliki aksesibilitas yang tinggi dan jarak tempuh yang relatif singkat. Dari data tim SAR Gunung Penanggungan via Tamiajeng dari tahun 2015 - 2019 tercatat sebanyak 391 pendaki gunung mengalami kecelakaan saat pendakian, hal itu disebabkan oleh beberapa faktor yaitu tentang kurangnya pengetahuan gunung yang akan didaki, kurang mempersiapkan logistik yang diperlukan, dan jalur yang tidak sesuai dengan kemampuan pendaki. Tujuan dari penelitian ini akan membuat sebuah sistem informasi geografis berbasis website pendakian Gunung Penanggungan, yang mana website tersebut akan memakai Algoritma Dijkstra yang dipakai dalam memecahkan permasalahan jalur terpendek dari dengan menghitung cost (jarak) yang ada dan juga perhitungan Fuzzy Tahani untuk menentukan jalur rekomendasi pendakian terbaik sesuai dengan kriteria yang ditentukan. Dari semua masalah dan tujuan dilakukannya penelitian ini menghasilkan website sebagai media informasi pendakian Gunung Penanggungan sekaligus untuk pembelian tiket pendakian secara online.
Analisis Sentimen Pengguna Sistem Pay Later Menggunakan Support Vector Machine Metode Pembobotan Lexicon Ferra Junian Wahidna; Paramitha Nerisafitra
Journal of Informatics and Computer Science (JINACS) Vol 4 No 03 (2023)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jinacs.v4n03.p334-343

Abstract

Layanan pay later sangat mudah dengan cepat populer di masyarakat, hal ini disebabkan karena fitur ini cenderung mudah digunakan dan populer karena tertanam pada e-commerce. Banyaknya penyedia layanan pay later menyebabkan diperlukannya pemilahan penyedia paylater mana yang akan digunakan berdasarkan berbagai pertimbangan termasuk review dari pengguna lain. Di sisi lain, review pengguna lain dapat diperoleh dari Twitter. Data dari Twitter menunjukkan terdapat ribuan tweets pada tahun 2021 hingga 2022 berisikan opini masyarakat terkait penggunaan pay later. Tweets tersebut membahas tentang keunggulan, keluhan, dan ulasan dari penggunaan pay later. Namun, beberapa keunggulan, keluhan, dan ulasan tersebut banyak yang bersifat abstrak sehingga masih belum optimal pemanfaatannya. Penelitian ini bertujuan untuk mengklasifikasikan data tweet yang berkaitan dengan pay later menggunakan algoritma Support Vector Machine (SVM). Dari penelitian ini telah berhasil dibangun model klasifikasi SVM untuk kasus sentimen Shopee Paylater dan Go Paylater. Pada pemodelan sentimen Shopee Paylater diperoleh bahwa model telah dapat memprediksi kelas data uji dengan akurasi 89.74%. Pada pemodelan sentimen Go Paylater diperoleh bahwa model telah dapat memprediksi kelas data uji dengan akurasi 90.27%. Kata Kunci : Analisis Sentimen, Klasifikasi, Pay later, SVM, Lexicon
Co-Authors Ferra Junian Wahidna Martha Yogi Yuda Rifendy Sayyidah 'Aisy Farikhah Wahyu Prasetyo