Article Per Year (5 Year)
p-Index From 2020 - 2025
2.906
P-Index
This Author published in this journals
All Journal International Journal of Electrical and Computer Engineering Jurnal Computech & Bisnis (e-Journal) Indonesia Symposium on Computing Indonesian Journal on Computing (Indo-JC) Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) JRSI (Jurnal Rekayasa Sistem dan Industri) JURNAL MEDIA INFORMATIKA BUDIDARMA JITTER (Jurnal Ilmiah Teknologi Informasi Terapan) TELEKONTRAN: Jurnal Ilmiah Telekomunikasi, Kendali dan Elektronika Terapan JMECS (Journal of Measurements, Electronics, Communications, and Systems) Abdimas: Jurnal Pengabdian Masyarakat Universitas Merdeka Malang Reswara: Jurnal Pengabdian Kepada Masyarakat eProceedings of Engineering
Ibnu Asror
Universitas Telkom
Religion Agriculture, Biological Sciences & Forestry Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mechanical Engineering Social Sciences

Published : 44 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 25 Documents
Search
Journal : eProceedings of Engineering

 1   2   3 
Sentimen Analisis Pada Ulasan Google Play Store Menggunakan Metode Naïve Bayes Edyt Daryfayi; Ibnu Asror
eProceedings of Engineering Vol 7, No 2 (2020): Agustus 2020
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak Ulasan atau biasa disebut review merupakan salah satu fitur penting dari aplikasi yang ada pada Google Play Store. Fitur ini dapat digunakan oleh para pengguna untuk menilai serta memberikan pendapat berupa teks ulasan terhadap aplikasi yang digunakan. Namun untuk beberapa kasus, terdapat teks ulasan yang tidak sesuai dengan nilai atau rating yang diberikan. Contohnya jika pengguna memberikan rating bintang 5 namun memberikan teks ulasan yang bernada negatif. Penelitian ini membangun mesin klasifikasi yang dikhususkan untuk membandingkan teks ulasan yang diberikan oleh pengguna dengan rating yang diberikan. Metode yang digunakan yaitu Naïve Bayes, khususnya Multinomial Naïve Bayes untuk memudahkan proses klasifikasi karena metode ini dikhususkan untuk klasifikasi teks. Dari hasil penelitian, didapat akurasi setinggi 78,9%, untuk ulasan yang memiliki rating bintang 5 dan bintang 1. Tetapi akurasi menurun mencapai 73,7% untuk semua rating ulasan terkecuali bintang 3. Kata kunci : klasifikasi, sentimen analisis, ulasan aplikasi, naïve bayes, multinomial Naïve Bayes Abstract Review is one of the most important feature of application on Google Play Store. Review can be used by user to rate and share their experince with the application with text review. But for some cases, there are some review that don’t align with the star rating that was given from user. For example, if user gave a 5 star rating but their text review are written as negative experience. This research builds a classifier that can be used to compare the text review with the star rating. The method that used in this research is Naïve Bayes, especially Multinomial Naïve Bayes to ease the classification process because Multinomial Naïve Bayes is specialized in text classification. From this research, the highest accuracy that produced is 78,9% for review with 5 star and 1 star review, and the lowest with 73,7% for all rating except 3 star review. Keywords: classification, sentiment analysis, application review, naïve bayes, multinomial naïve bayes
Deteksi Awal Kelulusan Mahasiswa Dengan Algoritma Jaringan Syaraf Tiruan Dan Information Gain Hafiyy Viazola Aziz; Kusuma Ayu Laksitowening; Ibnu Asror
eProceedings of Engineering Vol 8, No 5 (2021): Oktober 2021
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Persentase kelulusan tepat waktu mahasiswa menjadi salah satu poin penilaian oleh Badan Akreditasi Nasional Perguruan Tinggi yang akan berpengaruh pada nilai akreditasi perguruan tinggi. Penelitian ini mengidentifikasi pentingnya mendeteksi kelulusan mahasiswa seawal mungkin sehingga bisa dilakukan tindakan preventif untuk mahasiswa yang terdeteksi kelulusannya tidak tepat waktu,baik itu dari pihak perguruan tinggi maupun individu. Dengan adanya penelitian ini, diharapkan persentase kelulusan tepat waktu mahasiswa Fakultas Informatika Universitas Telkom akan meningkat. Deteksi dini ini dapat dilakukan dengan teknik data mining yaitu klasifikasi, klasifikasi dapat dilakukan dengan berbagai teknik maupun algoritma, di antaranya dengan algoritma Jaringan Syaraf Tiruan dan Information Gain. Algoritma jaringan syaraf tiruan akan menghasilkan nilai akurasi berdasarkan atribut yang diperoleh dari nilai Information Gain, sedangkan Information Gain akan mencari nilai entropy dari setiap atribut sehingga diketahui atribut yang berpengaruh untuk diproses di algoritma jaringan syaraf tiruan yang akan menghasilkan akurasi yang optimal. Hasil dari penelitian ini berupa atribut yang paling berpengaruh berdasarkan Information Gain dan akurasi prediksi dengan algoritma jaringan syaraf tiruan. Atribut yang dipakai berjumlah 60% dari total atribut yang menghasilkan akurasi 74.5% untuk tingkat 1, 78.6% untuk tingkat 2, 81.9% untuk tingkat 3, dan 83.6% untuk tingkat 4. Kata kunci : educational data mining, Klasifikasi, Information gain, Jaringan syaraf tiruan
Penerapan PCA (Principal Component Analysis) pada Deteksi Outlier untuk Data Text Marinda Endi Lestari; Ibnu Asror; Indra Lukmana Sardi
eProceedings of Engineering Vol 10, No 3 (2023): Juni 2023
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak-Data Mining adalah kegiatan pengumpulan data, pemakaian data historis, untuk menemukan keteraturan pola dalam dataset yang berukuran besar dan mempunyai jumlah yang banyak. Dalam data mining terdapat data yang berbeda dari data pada umumnya yang disebut outlier. Outlier sendiri berkaitan dengan nilai ekstrem, baik ekstrem besar maupun kecil. Adanya data outlier membuat analisis terhadap serangkaian data menjadi bias, atau tidak mencerminkan fenomena yang sebenarnya. Outlier detection digunakan untuk mendeteksi ada atau tidaknya outlier dalam sebuah data. Outlier Detection dapat digunakan untuk mendeteksi data berupa categorical, numeric, maupun data teks.Principal Component Analysis (PCA) merupakan salah satu metode pendeteksian outlier berdasarkan pendekatan statistical. Objek yang dianggap sebagai outlier adalah objek yang memiliki probabilitas yang rendah sehubungan dengan model distribusi probabilitas pada data tersebut. Evaluasi yang digunakan untuk mengetahui performansi sistem yaitu : accuracy, precision, dan recall.Kata kunci-outlier, PCA, outlier detection, data teks
Rekomendasi Sistem terhadap Wisata Alam Gunung dengan Metode Collaborative Filtering Joshua Chrisdiyanto; Ibnu Asror; Yusza Reditya M
eProceedings of Engineering Vol 10, No 4 (2023): Agustus 2023
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Wisata alam gunung telah menjadi salah satu tempat hiburan yang saat ini menjadi favorit bagi setiap masyarakat. Jumlah gunung di Indonesia mencapai ratusan gunung yang terbagi di beberapa daerah. Hal ini menjadi kendala bagi pendaki pemula dalam memilih gunung mana yang sesuai dengan kriteria pendaki, terlalu banyak gunung yang ada diindonesia membuat para pendaki bingung dan sering bertanya mengenai rekomendasi gunung mana yang cocok dengan pendakian pertamanya. Wisata alam gunung sudah menjadi salah satu tempat wisata yang banyak di gemari oleh para wisatawan. Namun masalah dalam wisata gunung sendiri masih banyak wisata alam gunung yang kurang menyajikan website tentang gunungnya. Hal ini yang menyebabkan penulis mengambil judul Sistem Rekomendasi terhadap Wisata Alam Gunung dengan Metode Collaborative Filtering. salah satu solusi dari permasalahan ini adalah menggunakan sistem rekomendasi yang memanfaatkan opini dan rating orang lain terhadap wisata alam gunung. Collaborative filtering adalah salah satu pendekatan untuk sistem rekomendasi yang mengevaluasi item menggunakan opini orang lain sistem ini diharapkan dapat memberikan kemudahan bagi pendaki dalam menentukan wisata alam yang dianggap sesuai dengan kriteria (trek/jalur, daerah, Ketinggian) pendaki tersebut.Kata kunci—sistem rekomendasi, wisata alam gunung, collaborativei filtering.
Klasifikasi Tingkat Kualitas Udara DKI Jakarta Berdasarkan Open Government Data Menggunakan Algoritma Random Forest Adityo Nugroho; Ibnu Asror; Yanuar Firdaus Arie Wibowo
eProceedings of Engineering Vol 10, No 2 (2023): April 2023
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak-Kualitas udara pada kota yang memiliki padat penduduk tinggi dengan banyaknya pabrik industri serta padatnya jalan raya oleh kendaraan seperti DKI Jakarta harus diperhatikan kondisinya. Terdapat banyak data yang muncul mengenai kualitas udara di DKI Jakarta yang selalu menurun disebabkan oleh pencemaran udara. Data yang di dapatkan berasal dari website Jakarta Open Data yang menampilkan Indeks Standar Penecamaran Udara (ISPU) pada setiap harinya. Metode yang digunakan yaitu data mining klasifikasi, karena metode tersebut dapat digunakan untuk mengetahui informasi mengenai pencemaran udara berdasarkan pengolahan data parameter yang ada pada ISPU. Klasifikasi yang dilakukan yaitu menggunakan algoritma random forest. Membuat sebuah model uji pada klasifikasi menggunakan random forest bertujuan untuk mencari hasil terbaik. Hasil dari klasifikasi berdasarkan data Indeks Pencemaran Udara di DKI Jakarta memiliki performa terbaik yang menghasilkan akurasi tertinggi yaitu 90%. Pada kategori Sedang memiliki nilai precision 90,9%, recall 89,28% f1-score 90,09%, dan categori Tidak Sehat memiliki nilai precision 89,09%, recall 90,74%, dan f1-score 89,9%.Kata kunci- kualitas udara, klasifikasi, random forest
Co-Authors Adityo Nugroho Agustyna Diyah Sri Kamulyan Ahmad Marzuqi Ainun Nisa Alya Ghaitsa Rizky Pertiwi Anisa Herdiani Arie Ardiyanti Arie Ardiyanti Suryani Arief Nugroho, Muhammad Asri Inna Khoirun Nissa Atik Zilziana Muflihati Noor Aufa Eka Putri Lesatari Candra Widya Iswara Candra Widya Iswara, Candra Widya Dana Kusumo Dawam Dwi Jatmiko Suwawi Delvine Toleng Edyt Daryfayi Eka Himawanto Eko Darwiyanto Erricson Hardiansyah Faris Muhammad Firdaus Anggraini Gede Agung Ari Wisudiawan Gede Agung Ary Wisudawan Gregorius Pradana Satriawan Hafiyy Viazola Aziz I Putu Prima Ananda Ilham Akbar Indra Lukmana Sardi Jiddy Abdillah Jihan Ratnasari1 Joshua Chrisdiyanto Kemas Rahmat Saleh Wiharja Kiki Adhinugraha Kiki Adinugraha Kiki Maulana Adhinugraha Laksitowening, Kusuma Ayu Marinda Endi Lestari Markus Bernard1 Miftahul Adnan Rasyid Moch Arif Bijaksana Mohamad Fauzy Mohammad Fauzy Muhamad Hamda Muhammad Rezaldy Muhammad Thomy Farhan Murahartawaty Murahartawaty Paramita Mayadewi Pramudita Oktaviani Puput Fajriati Tri S Rachmadini P Utami Raginda Firdaus Rahmi Rohdiniyah Ramadhan Usman , Muchlis Ramadhyni Rifani Ratna Mayasari Rio Pratama Seno Anunggroho Shaufiah . Shinta Yulia Puspitasari Sri Astuti Sri Astuti Tody Ariefianto Wibowo Tora Fahrudin Yanuar Firdaus Arie Wibowo Yusza Reditya M