Claim Missing Document
Check
Articles

Found 3 Documents
Search

IMPLEMENTASI METODE WATERFALL DALAM PERANCANGAN SISTEM INFORMASI LAYANAN RW 41 KAMPUNG MARKAN BEKASI Dea Safryda Putri; Apriade Voutama; Nono Heryana
Journal Information System Development (ISD) Vol 8 No 1 (2023): Journal Information System Development
Publisher : UNIVERSITAS PELITA HARAPAN

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.19166/isd.v8i1.572

Abstract

Analisis proses bisnis yang telah dilakukan di RW 41 Kampung Markan, Kota Bekasi menghasilkan informasi bahwa proses bisnis saat ini masih manual sehingga kurang efektif. Pelayanan kependudukan belum terkomputerisasi dan penyampaian berita tentang RW 41 hanya dari mulut ke mulut. Sistem informasi layanan online dapat menjadi solusi agar proses bisnis menjadi lebih efektif. Metode yang digunakan dalam penelitian ini yaitu metode waterfall dan alat bantu desain yang digunakan yaitu UML dan ERD. Hasil dari penelitian ini berupa informasi bahwa metode waterfall yang telah diimplementasikan dianggap sangat cocok dan relevan untuk kasus perancangan sistem khususnya sistem informasi layanan RW 41 Kampung Markan Kota Bekasi karena setiap tahapan telah memberikan hasil yang tepat sehingga tercipta sistem informasi layanan RW 41 berbasis website yang sesuai dengan kebutuhan pengguna. Terbentuknya sistem informasi layanan RW 41 berbasis website juga telah menghasilkan proses bisnis rekomendasi yang lebih efisien.
ANALISIS SENTIMEN ULASAN APLIKASI POSPAY DENGAN ALGORITMA SUPPORT VECTOR MACHINE Dea Safryda Putri; Taufik Ridwan
JURNAL ILMIAH INFORMATIKA Vol 11 No 01 (2023): Jurnal Ilmiah Informatika (JIF)
Publisher : LPPM Universitas Putera Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33884/jif.v11i01.6611

Abstract

Pospay application is a form of financial technology belonging to Pos Indonesia. Pospay application on the Google Play Store has more than 25 thousand user reviews. The more user reviews, the more difficult and longer it will take for prospective users and application managers to conclude information on user sentiment trends that are useful in making decisions about application use and evaluation. Sentiment analysis is the solution to this problem because sentiment analysis is able to classify unstructured data to generate sentiment information efficiently by applying data mining algorithms. This research uses the Knowledge Discovery in Database (KDD) method, where at the data mining stage, the Support Vector Machine algorithm is applied in making the model. Grid search was applied to test 3 scenarios so that the proportion of data distribution with the best accuracy was obtained, namely, 90:10, using RBF kernel with parameters: c = 1, ℽ = 1. The results of this research were a model with 95% accuracy, 91% precision, 100% recall, and 95% f1-score. Information was also obtained that the sentiment of Pospay application users on the Google Play Store tends to be positive (54.1%) but not much far from the percentage of negative sentiments (45.9%).
Analisis Sentimen dan Pemodelan Ulasan Aplikasi AdaKami Menggunakan Algoritma SVM dan KNN Dea Safryda Putri; Nina Sulistiyowati; Apriade Voutama
Journal Sensi: Strategic of Education in Information System Vol 9 No 2 (2023): Journal Sensi
Publisher : UNIVERSITAS RAHARJA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33050/sensi.v9i2.2914

Abstract

Salah satu aplikasi pinjaman uang online populer di Google Play Store yaitu aplikasi AdaKami. Bagi calon pengguna, ulasan mampu memberikan detail pengalaman penggunaan aplikasi. Bagi pihak perusahaan, ulasan pengguna dapat menjadi acuan evaluasi aplikasi. Masalah yang ditemukan yaitu jumlah dan keragaman ulasan pengguna aplikasi AdaKami yang tidak efisien untuk dibaca satu per satu sehingga perlu dilakukan analisis sentimen dan pemodelan. Tujuan penelitian ini yaitu mengetahui reputasi aplikasi berdasarkan sentimen dominan dalam ulasan pengguna dan membuat model analisis sentimen yang optimal. Penelitian ini menggunakan Metode SEMMA, dengan 1.000 data ulasan bersumber dari Google Play Store, melalui proses sampling dan labelling (negatif, positif, netral). Dalam pemodelan analisis sentimen, diujicobakan tiga variabel yaitu metode pelabelan (manual dan leksikon), algoritma (SVM dan KNN) dan proporsi pembagian data (data latih : data uji = 90:10, 80:20, 70:30, 60:40 dan 50:50) yang disajikan dalam bentuk 20 skenario. Hasil penelitian menunjukkan bahwa sentimen paling dominan adalah positif dan model paling optimal yaitu model skenario 6 yang menggunakan algoritma SVM, metode pelabelan manual dan proporsi 90:10. Model tersebut memiliki performa 93% accuracy, 93% precision, 93% recall dan 92% f1-score.