Article Per Year (5 Year)
p-Index From 2021 - 2026
2.728
P-Index
This Author published in this journals
All Journal Techno.Com: Jurnal Teknologi Informasi Transmisi CESS (Journal of Computer Engineering, System and Science) Proceeding SENDI_U Journal of Information Technology and Computer Science (JOINTECS) INTEGER: Journal of Information Technology JICTE (Journal of Information and Computer Technology Education) Network Engineering Research Operation [NERO] J I M P - Jurnal Informatika Merdeka Pasuruan Conference on Innovation and Application of Science and Technology (CIASTECH) Jurnal Masyarakat Merdeka (JMM) JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) SPIRIT Jurnal Teknik Mesin dan Mekatronika (Journal of Mechanical Engineering and Mechatronics) Jurnal Mnemonic Jurasik (Jurnal Riset Sistem Informasi dan Teknik Informatika) Darmabakti : Junal Pengabdian dan Pemberdayaan Masyarakat HOAQ (High Education of Organization Archive Quality) : Jurnal Teknologi Informasi Rainstek : Jurnal Terapan Sains dan Teknologi Sinergi Polmed : Jurnal Ilmiah Teknik Mesin Jurnal Pengabdian Bukit Pengharapan BIMASAKTI Akiratech Prosiding SeNTIK STI&K
Rudi Hariyanto
Univeristas Medeka Pasuruan
Agriculture, Biological Sciences & Forestry Humanities 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 Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Social Sciences Transportation Other

Published : 33 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : BIMASAKTI

 1 
ANALISIS KEPUASAN PELANGGAN PADA PELAYANAN E-COMMERCE TOKOPEDIA DAN SHOPEE PADA TWITTER MENGGUNAKAN RECURRENT NEURAL NETWORK Alfani, Syahrul; Hariyanto, Rudi; Anggadimas, Nanda Martyan
Jurnal Fakultas Teknologi Informasi Vol 7 No 1 (2024): BIMASAKTI
Publisher : Fakultas Sains dan Teknologi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21067/bimasakti.v7i1.10387

Abstract

Salah satu media sosial yang mempengaruhi transaksi e-commerce tersebut adalah Twitter, karena salah satu media sosial yang sangat populer di Indonesia. Menurut Kementerian Komunikasi dan Informatika,Data pengguna Twitter ini dapat digunakan untuk menganalisis perkembangan sistem yang lebih baik dalam e-commerce, dan analisis yang dilakukan akan berguna untuk mengetahui pendapat pengguna Twitter tentang efisiensi pelanggan e-commerce.Proyek yang dipilih dalam penelitian ini adalah platform e-commerce dari perusahaan teknologi Indonesia Tokopedia dan perusahaan teknologi asing Shopee. Reccurent Neural Netwrok(RNN) adalah bagian dari jaringan saraf untuk memproses data yang terhubung (data berurutan). Algoritma RNN digunakan dalam analisis ini, yang menunjukkan kinerja yang baik dalam memproses data seperti teks.Identifikasi permasalahan yang ada yaitu persaingan antara e- commerce Tokopedia dan Shopee yang terdapat pada ulasan/tweets pengguna di sosial media Twitter. Membandingkan kepuasan pelayanan yang dirasakan pelanggan terhadap kedua e-commerce menggunakan Recurrent Neural Network (RNN) untuk mendapatkan nilai akurasi yang terbaik. Pencarian literatur berdasarkan topik penelitian yang telah ditentukan pada tahap awal penelitian ini.ulasan/tweets pengguna di sosial media Twitter dijadikan sebagai sumber data yang digunakan dalam penelitian untuk menyeleksi variabel.Confusion matrix digunakan untuk mengevaluasi kinerja sebuah model klasifikasi dengan membandingkan label asli dan prediksi label dari set data yang diberikan. Pada kasus ini, kita memiliki confusion matrix dengan dua kelas yang direpresentasikan sebagai 0 (negative) dan 1 (positive).Berdasarkan pembahasan dan hasil analisis, bahwa ulasan tweets yang berjumlah 200 data Tokopedia dan 200 data Shopee. Dalam proses pengujian klasifikasi dari hasil perhitungan confusion matrix yang menjadi acuan untuk prediksi dan aktual, lalu menggunakan model algoritma yaitu Simple RNN. Pada ulasan pelanggan lebih banyak menyukai pelayanan Tokopedia dari user Twitter dapat dilihat dengan data uji yang positif sebesar 140 data sedangkan data uji yang positif pada pelayanan Shopee sebesar 120 data. Hasil akurasi yang memperoleh performa lebih baik yaitu Tokopedia menggunakan algoritme Simple RNN dengan nilai akurasi mencapai 53%, presisi mencapai 57%, recall mencapai 50%, dan f1-score mencapai 53,27%. Jika dibandingkan nilai klasifikasi terbaik dari data Shopee dari algoritme Simple RNN menunjukkan nilai klasifikasi dengan hasil akurasi sebesar 47%, presisi mencapai 60%, recall sebesar 33%, dan f1-score mencapai 40%.
PREDIKSI BEBAN BANDWIDTH MENGGUNAKAN METODE FUZZY INFERENCE SYSTEM DAN TIME SERIES PADA INTERNET SERVICE PROVIDER (ISP) Alwan, Muchammad Faiq; Widodo, Anang Aris; Hariyanto, Rudi
Jurnal Fakultas Teknologi Informasi Vol 5 No 2 (2023): BIMASAKTI
Publisher : Fakultas Sains dan Teknologi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21067/bimasakti.v5i2.8945

Abstract

Prediksi kebutuhan bandwidth pada jaringan komputer di Internet Service Provider (ISP) diperlukan untuk mengidentifikasi kebutuhan bandwidth yang akan terjadi, baik pada jaringan LAN maupun pada jaringan koneksi internet sehingga dapat meningkatkan kualitas layanan Internet Servise Provider dan menentukan berapa besar biaya yang akan dikeluarkan untuk sewa bandwidth. Apabila pemberian bandwidth lebih besar dari kebutuhan yang sebenarnya akan mengakibatkan pemborosan bandwidth. Sedangkan apabila pemberian bandwidth lebih rendah dari kebutuhan sebenarnya, pengaksesan bagi konsumen menjadi lebih lambat yang akibatnya merugikan pihak pengguna. Tujuan penulis ingin menyampaikan cara membangun model prediksi beban bandwidth menggunakan metode Fuzzy Inference System dan Time Series pada Internet Service Provider (ISP) sebagai pertimbangan menentukan beban bandwidth di varian tipe hari, seperti hari kerja, hari libur dan hari libur nasional. Peramalan atau prediksi beban bandwidth Hasil penilitian didapatkan perbandingan seperti pada tabel 4.2 terjadi selisih yang sedikit jika dibandingkan dengan keduanya.. Dalam presentasi kesalahan untuk Fuzzy Inference System berdasarkan perbandingan Fuzzy Time Series dengan nilai MSE dan nilai MAPE dengan kriteria MAPE <10% yang di nilai “sangat baik”.
Co-Authors Achmad Basuki Alamsyah, Muslim Alfani, Syahrul Alwan, Muchammad Faiq Anang Aris Widodo Anang Aris Widodo Andre Maulana Anggadimas, Nanda Martyan Aprilia, Yunita Nur Darto Dian Ahkam Sani Edwin Ariesto Umbu Malahina Erwantiningsih, Eni Erwin Hermawan Fasli Hidayat, Faris Indrawan, Adysta Marsha Khalimatus Sa’diyah Kurniawan, Pradhana Lestari, Dicky Candra Mochammad Firman Arif Mohammad Zoqi Sarwani, Mohammad Zoqi Muhammad Hanif Muhammad Idris Muhdi . Purba, Hansian Putri, Nabila Ratna Zulfarosda Ridwan, M.Ridwan Rini Nur Hasanah Rizki Ikhwan Pamuji Roni Wibowo S Sumarlin Safaatulloh, Safaatulloh Saputro, Harinudin Sultoni - Taufiq Dwi Cahyono Udin, Muhammad VITA FIBRIYANI, VITA Widiharsa, Fransiskus Asisi Widyastuti, Ike Wiwien Hadikurniawati Yanuar Arifin Zuhal Maftuh Ahnan, Zuhal Maftuh