This Author published in this journals
All Journal International Journal of Electrical and Computer Engineering International Journal of Advances in Applied Sciences Jurnal Kesehatan Hesti Wira Sakti Jurnal Teknologi Informasi dan Ilmu Komputer Sistemasi: Jurnal Sistem Informasi Journal of Information Technology and Computer Science Jurnal Penelitian Kesehatan Suara Forikes InComTech: Jurnal Telekomunikasi dan Komputer JOURNAL OF APPLIED INFORMATICS AND COMPUTING Jurnal Keperawatan Muhammadiyah Jurnal Ilmiah Keperawatan (Scientific Journal of Nursing) JOISIE (Journal Of Information Systems And Informatics Engineering) Jurnal Ilmu Komputer dan Desain Komunikasi Visual Jurnal Mnemonic JATI (Jurnal Mahasiswa Teknik Informatika) CICES (Cyberpreneurship Innovative and Creative Exact and Social Science) Engineering, Mathematics and Computer Science Journal (EMACS) Jurnal Informatika dan Teknologi Komputer ( J-ICOM) Jurnal Indonesia : Manajemen Informatika dan Komunikasi Jurnal Teknologi Kesehatan International Journal Software Engineering and Computer Science (IJSECS) Jurnal Pengabdian Masyarakat Bhinneka Malcom: Indonesian Journal of Machine Learning and Computer Science Prosiding Seminar Nasional Pengabdian Kepada Masyarakat Journal of Artificial Intelligence and Digital Business Jikom: Jurnal Informatika dan Komputer Jurnal Indonesia : Manajemen Informatika dan Komunikasi The Journal of Enhanced Studies in Informatics and Computer Applications Jurnal Pengabdian Masyarakat Teknologi Informasi dan Informatika
Claim Missing Document
Check
Articles

Analisis Sentimen Ulasan Pengguna Aplikasi Akupunktur di Play Store Menggunakan Naïve Bayes: Sentiment Analysis User Reviews of Acupuncture Applications on Play Store Using Naïve Bayes Kusuma, Wahyu Teja; Kurniawan, Leny Candra; Rikatsih, Nindynar; Wardoyo, Puspo
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 6 No. 2 (2026): MALCOM April 2026
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v6i2.2620

Abstract

Integrasi kemajuan teknologi ke dalam layanan kesehatan tidak dapat dihindari. WHO menekankan aspek aksesibilitas dan keamanan pasien pada integrasi teknologi dalam layanan kesehatan. Di bidang akupunktur, saat ini telah banyak sekali ulasan-ulasan pengguna aplikasi akupunktur yang memiliki potensi untuk memengaruhi kepercayaan masyarakat. Namun, belum ada penelitian yang membahas ulasan pengguna aplikasi akupunktur. Berdasarkan gap tersebut, penelitian ini bertujuan untuk melakukan analisis sentimen terhadap ulasan pengguna aplikasi akupunktur yang telah ada di Google Play Store. Penelitian-penelitian analisis sentimen sebelumnya, banyak mengandalkan Deep Learning seperti LSTM atau BERT. LSTM atau BERT memiliki akurasi tinggi, namun membutuhkan sumber daya komputasi besar dan data latih yang massif. Dalam konteks aplikasi niche seperti aplikasi akupunktur dengan volume data ulasan yang tidak sebanyak aplikasi populer seperti WhatsApp atau TikTok, algoritma probabilistik klasik seperti Naïve Bayes sering kali terbukti lebih efisien dan andal. Naïve Bayes memiliki keunggulan dalam kecepatan komputasi, interpretabilitas yang baik, serta performa yang tetap stabil pada dataset dengan jumlah fitur yang terbatas maupun tidak seimbang. Akhirnya, penelitian ini melakukan analisis sentimen ulasan pengguna aplikasi akupunktur di Google Play Store dengan menggunakan Naïve Bayes. Penelitian ini berkontribusi menghasilkan analisis sentimen yang dapat menjadi baseline yang penting dalam pengembangan aplikasi akupunktur di masa depan.
PERANCANGAN VIRTUAL REALITY RESEARCH EXPO MENGGUNAKAN DESIGN SPRINT UNTUK MENINGKATKAN KETERLIBATAN PENGGUNA ; Danang Bagus Baskoro; Wahyu Teja Kusuma; Mochammad Anshori
JOISIE (Journal Of Information Systems And Informatics Engineering) Vol. 9 No. 1 (2025)
Publisher : Institut Bisnis dan Teknologi Pelita Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35145/joisie.v9i1.4896

Abstract

Pameran penelitian (Research Expo) merupakan sarana penting dalam mendiseminasikan hasil riset kepada publik. Namun, keterbatasan ruang fisik, biaya penyelenggaraan, dan rendahnya partisipasi menjadi tantangan yang sering dihadapi. Penelitian ini mengusulkan solusi berbasis teknologi dengan merancang Virtual Reality Research Expo menggunakan metode Design Sprint, yang dikombinasikan dengan pendekatan persona, teknik Crazy 8 s, dan strategi Minimum Viable Product (MVP). Tujuan penelitian ini adalah menghasilkan prototipe pameran virtual yang interaktif dan sesuai dengan kebutuhan pengguna. Rancangan prototipe dikembangkan melalui enam tahapan Design Sprint, mulai dari penggalian kebutuhan hingga validasi. Persona disusun berdasarkan hasil survei awal, dan ide desain dieksplorasi menggunakan teknik Crazy 8 s. MVP dikembangkan menggunakan A-frame dan Blender 3D, dan diuji kepada lima partisipan yang memiliki pengalaman mengikuti pameran riset. Evaluasi dilakukan melalui kuesioner skala Likert, checklist pencapaian persona goals, dan wawancara semi-terstruktur. Hasil validasi menunjukkan bahwa 6 dari 7 persona goals terpenuhi, dengan skor rata-rata 4,4 dari 5 untuk kemudahan navigasi, 4,6 untuk visualisasi, dan 4,2 untuk interaktivitas. Partisipan menyatakan bahwa prototipe memberikan pengalaman eksplorasi yang lebih menarik dibandingkan pameran konvensional. Kebaruan dari penelitian ini terletak pada integrasi metode desain terstruktur dengan validasi berbasis kebutuhan pengguna dalam konteks VR untuk pameran akademik, yang masih jarang diterapkan di lingkungan pendidikan tinggi di Indonesia. Temuan ini menunjukkan bahwa pendekatan iteratif berbasis Design Sprint efektif untuk merancang solusi digital edukatif yang cepat, terfokus, dan dapat disesuaikan dengan kebutuhan pengguna.
Klasifikasi Kepuasan Pelanggan pada Layanan Servis Otomotif Menggunakan Naive Bayes: Studi Kasus di PT AUTO2000 Sukun Malang Vanesa Putri Maya Hasyim; Wahyu Teja Kusuma; Mochammad Anshori
Jurnal Informatika dan Teknologi Komputer (J-ICOM) Vol 7 No 2 (2026): Jurnal Informatika dan Teknologi Komputer ( J-ICOM)
Publisher : E-Jurnal Universitas Samudra

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55377/j-icom.v7i2.14964

Abstract

Customer satisfaction serves as a crucial indicator for assessing the quality of after sales services. PT AUTO2000 Sukun routinely gathers customer feedback through satisfaction surveys. However, the manual evaluation process is both time consuming and susceptible to subjective judgment. This study seeks to classify customer satisfaction based on customer comments using the Multinomial Naive Bayes algorithm. The dataset comprises 108 customer reviews accompanied by manually assigned positive and negative sentiment labels. The research procedure consisted of text preprocessing, including case folding, tokenization, stopword removal, and stemming, followed by feature extraction using Term Frequency Inverse Document Frequency (TF IDF). The dataset was then divided into 70% training data and 30% testing data. Synthetic Minority Over sampling Technique (SMOTE) was applied exclusively to the training data to alleviate class imbalance. Model performance was assessed using accuracy, precision, recall, F1 score, and a confusion matrix. The findings reveal that the Multinomial Naive Bayes algorithm attained an accuracy of 76 percent. For the negative class, the model achieved a precision of 79%, a recall of 86%, and an F1 score of 83%. For the positive class, it obtained a precision of 67%, a recall of 55%, and an F1 score of 60%. These findings suggest that the Multinomial Naive Bayes algorithm exhibits satisfactory capability in classifying customer satisfaction. Nevertheless, the model still encounters challenges in accurately recognizing all instances belonging to the positive class.
Identifying Fear of Missing Out (FOMO) in Adolescents Using K-Nearest Neighbors: An Experimental Study of k-Values and Distance Metrics Pamungkas, Ricco Wahyu; Anshori, Mochammad; Kusuma, Wahyu Teja
Journal of Applied Informatics and Computing Vol. 10 No. 3 (2026): June 2026
Publisher : Politeknik Negeri Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30871/jaic.v10i3.12879

Abstract

Fear of Missing Out (FOMO) is a psychological phenomenon commonly experienced by teenagers due to the high intensity of social media use, and has the potential to cause emotional and social impacts if not identified early. The main problem in identifying FOMO is its internal nature and the difficulty in measuring it objectively using conventional methods. This research proposes a data mining-based classification approach using K-Nearest Neighbor (KNN) to identify the level of FOMO in adolescents. The dataset was obtained from 136 respondents through a questionnaire that included demographic data and the ON-FoMO scale. The research stages include data preprocessing (encoding and Min-Max normalization), data splitting using stratified holdout (80:20), and experiments varying K (3–19) and distance metrics (Euclidean, Manhattan, Chebyshev). The experimental results show that the combination of Euclidean distance with K=11 yields the best performance with an accuracy of 85.71%, ROC AUC of 0.786, Precision–Recall AUC of 0.826, and sensitivity of 100%. The experimental results indicate that the selection of the K parameter and the distance method significantly affect classification performance. Overall, this study concludes that the KNN algorithm with the optimal configuration is effective as an initial screening method for the level of FOMO in adolescents in an systematic and data-based manner.