Claim Missing Document
Check
Articles

Found 3 Documents
Search

Perancangan dan Pengembangan Aplikasi E(AT)VERYDAY sebagai Sistem Pemesanan Kantin Berbasis Website Dea Syah Kania; Dina Marwah Afirahmi; Dwinda Putri Nuria; Dadang Yusup
Innovative: Journal Of Social Science Research Vol. 3 No. 3 (2023): Innovative: Journal Of Social Science Research
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/innovative.v3i3.2238

Abstract

Pemanfaatan sistem informasi berbasis web dalam era digitalisasi menjadi hal yang penting di berbagai sektor, termasuk industri kantin di institusi pendidikan. Pengalaman dalam proses transaksi di kantin untuk memenuhi kebutuhan masih terdapat tantangan, seperti antrian panjang, ketidakjelasan stok makanan, dan pembayaran tunai yang tidak efisien. Untuk mengatasi masalah tersebut, aplikasi E(at)veryday dirancang untuk menjadi sebuah sistem pemesanan kantin berbasis website sebagai solusi yang berpotensi. Penelitian ini menggunakan metode SDLC dengan pendekatan model Waterfall, meliputi tahapan analisis kebutuhan sistem, desain, pengkodean, pengujian, dan pemeliharaan. Hasil penelitian ini berupa aplikasi E(at)veryday berbasis website yang memungkinkan pengguna untuk melakukan transaksi memesan makanan secara online dengan efisiensi dan kenyamanan yang lebih tinggi. Pengujian yang dilakukan menunjukkan hasil bahwa sistem ini berfungsi dengan baik dan memenuhi tujuan awal pengembangannya.
Rancang Bangun Sistem Informasi Manajemen Transaksi Penjualan Berbasis Desktop Pada CV. Permata Subang Dwinda Putri Nuria; Dea Syah Kania; Dina Marwah Alfirahmi; Dina Amelia Alzahra; Dina Rosalina; Dadang Yusup
Jurnal Ilmiah Wahana Pendidikan Vol 9 No 18 (2023): Jurnal Ilmiah Wahana Pendidikan
Publisher : Peneliti.net

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.5281/zenodo.8311086

Abstract

Management Information System (MIS) is an integrated system that can assist organizations in conducting data management in order to produce the required information. At CV. Permata Subang, the transaction recording process is currently still done manually, which took a long time to recapitulate and search data. Therefore, the aim of this study was to design and develop a desktop-based sales transaction management information system at CV. Permata Subang. In developing this system, the Software Development Life Cycle (SDLC) will be implemented using the Waterfall model. Implementation of this system is expected to increase efficiency in managerial processes and recapitulate order data on CV. Permata Subang.
Analisis Sentimen Maxim dengan Perbandingan Chi Square dan MI pada Naive Bayes Dwinda Putri Nuria; Ultach Enri; Yuyun Umaidah
Jurnal Pendidikan Tambusai Vol. 8 No. 1 (2024): April 2024
Publisher : LPPM Universitas Pahlawan Tuanku Tambusai, Riau, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/jptam.v8i1.14669

Abstract

Pesatnya perkembangan teknologi digital berdampak besar bagi manusia, terutama dengan meningkatnya popularitas layanan transportasi online. Saat ini penggunaan transportasi online masih didominasi oleh Gojek kemudian diikuti oleh Grab dan Maxim. Maxim adalah perusahaan transportasi online di Indonesia yang menawarkan berbagai layanan melalui aplikasinya. Meskipun menawarkan tarif yang lebih murah daripada Gojek dan Grab, persentase penggunaan Maxim masih tertinggal. Untuk mengetahui faktor penyebabnya, dilakukan analisis sentimen dari ulasan pengguna aplikasi Maxim di Google Play. Analisis sentimen ini dilakukan dengan menggunakan metodologi KDD dengan tahapan berikut: data selection, preprocessing, transformation, data mining dan evaluation. Pada proses penelitian digunakan algoritme Naive Bayes dengan seleksi fitur Chi Square dan Mutual Information untuk mengoptimalkan pengklasifikasian. Data yang digunakan merupakan data ulasan dari Google Play sebanyak 1820 data yang terdiri dari 961 data positif dan 859 data negatif. Hasil klasifikasi menggunakan algoritme Naive Bayes dengan seleksi fitur Chi Square menghasilkan tingkat akurasi terbesar yaitu 96,97%, precision 97%, recall 97%, f1-score 97% yang menghasilkan prediksi 978 data positif dan 842 data negatif.