Article Per Year (5 Year)
p-Index From 2021 - 2026
9.375
P-Index
This Author published in this journals
All Journal Techno.Com: Jurnal Teknologi Informasi Jurnal Teknologi dan Manajemen Informatika International Journal of Advances in Intelligent Informatics E-Dimas: Jurnal Pengabdian kepada Masyarakat International Journal of Artificial Intelligence Research Knowledge Engineering and Data Science JURNAL MEDIA INFORMATIKA BUDIDARMA JPM (Jurnal Pemberdayaan Masyarakat) International Journal of Computing and Informatics (IJCANDI) JITK (Jurnal Ilmu Pengetahuan dan Komputer) ILKOM Jurnal Ilmiah Prosiding SAKTI (Seminar Ilmu Komputer dan Teknologi Informasi) EDUMATIC: Jurnal Pendidikan Informatika Journal Cerita: Creative Education of Research in Information Technology and Artificial Informatics Indonesian Journal of Data and Science Innovation in Research of Informatics (INNOVATICS) Jurnal Teknik Informatika (JUTIF) Journal of Applied Data Sciences Jurnal Minfo Polgan (JMP) Buletin Sistem Informasi dan Teknologi Islam Ilmu Komputer untuk Masyarakat Bulletin of Culinary Art and Hospitality Jurnal Inovasi Teknologi dan Edukasi Teknik NERO (Networking Engineering Research Operation) Jurnal Informatika: Jurnal Pengembangan IT Linier: Literatur Informatika dan Komputer
Purnawansyah Purnawansyah
Teknik Informatika, Fakultas Ilmu Komputer, Universitas Muslim Indonesia
Agriculture, Biological Sciences & Forestry Automotive Engineering 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 Engineering Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Mathematics Social Sciences Other

Published : 87 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 87 Documents
Search

 5   6   7   8   9 
Penerapan Business Intelligence Untuk Analisis Penjualan Dan Perilaku Konsumen Kuliner Lokal di Sulawesi Selatan Dengan Algoritma Apriori Desy Indri Luthfia Andy; Purnawansyah Purnawansyah; St. Hajrah Mansyur
LINIER: Literatur Informatika dan Komputer Vol 3, No 2 (2026)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/linier.v3i2.3642

Abstract

Industri kuliner di Sulawesi Selatan terus mengalami pertumbuhan yang signifikan, didorong oleh meningkatnya permintaan dan ekspektasi konsumen. Dalam upaya untuk tetap kompetitif, pelaku bisnis di industri ini membutuhkan pendekatan yang lebih efektif untuk menganalisis data penjualan dan perilaku konsumen. Penelitian ini bertujuan untuk menerapkan Business Intelligence dengan menggunakan algoritma Apriori guna mengidentifikasi pola penjualan dan perilaku konsumen dalam segmentasi pasar kuliner lokal di Sulawesi Selatan. Algoritma Apriori dipilih karena kemampuannya dalam menemukan frequent itemsets dan menghasilkan association rules yang dapat mengungkap keterkaitan antar produk yang sering dibeli secara bersamaan. Penelitian ini menggunakan metode kuantitatif dengan data yang diperoleh dari transaksi penjualan sejumlah bisnis kuliner di Sulawesi Selatan. Data tersebut melalui proses preprocessing sebelum dianalisis dengan algoritma Apriori. Hasil dari penelitian ini diharapkan dapat memberikan wawasan yang lebih mendalam mengenai pola pembelian konsumen, tren penjualan, serta preferensi produk di industri kuliner lokal. Selain itu, hasil analisis ini dapat membantu pelaku bisnis dalam mengambil keputusan strategis yang berbasis data, seperti mengoptimalkan persediaan produk, merancang promosi yang lebih efektif, dan meningkatkan kepuasan pelanggan. Dengan mengintegrasikan analisis data ke dalam strategi bisnis, penelitian ini berkontribusi dalam mendorong inovasi serta meningkatkan daya saing pelaku bisnis kuliner di Sulawesi Selatan
Perbandingan Naïve Bayes dan K-Nearest Neighbor dalam Klasifikasi Polaritas Tweet pada Cross-Domain #MakanBergiziGratis dan #Danantara Ahmad Fadly; Purnawansyah Purnawansyah; Herdianti Darwis
LINIER: Literatur Informatika dan Komputer Vol 3, No 2 (2026)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/linier.v3i2.3632

Abstract

Media sosial seperti Twitter (X) menghasilkan data opini publik dalam jumlah besar yang dapat dimanfaatkan untuk analisis sentimen. Namun, perbedaan konteks antar topik atau hashtag sering menyebabkan terjadinya domain shift yang dapat menurunkan performa model klasifikasi. Penelitian ini bertujuan untuk menganalisis performa algoritma Naïve Bayes dan K-Nearest Neighbors (KNN) dalam skenario cross-domain menggunakan dua representasi fitur, yaitu TF-IDF dan FastText. Dataset diperoleh dari hashtag #MakanBergiziGratis sebagai domain sumber dan #Danantara sebagai domain target. Metode yang digunakan meliputi preprocessing teks, ekstraksi fitur, pemodelan, serta evaluasi menggunakan accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa kedua model memiliki performa tinggi pada internal test dengan accuracy sebesar 0.94. Namun, pada pengujian lintas domain, Naïve Bayes dengan TF-IDF menunjukkan performa yang lebih stabil dengan accuracy sebesar 0.75, sedangkan KNN dengan FastText mengalami penurunan signifikan, terutama pada kelas negatif dengan nilai F1-score sebesar 0.00. Temuan ini menunjukkan bahwa pemilihan algoritma dan representasi fitur sangat mempengaruhi kemampuan generalisasi model dalam menghadapi domain shift
Analisis Sentimen Pengguna Sosial Media X Terhadap Penundaan Pengangkatan CPNS dan P3K di Indonesia Firman Akbar; Purnawansyah Purnawansyah; Amaliah Faradibah
LINIER: Literatur Informatika dan Komputer Vol 3, No 1 (2026)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/linier.v3i1.3486

Abstract

Penelitian ini bertujuan untuk menganalisis sentimen masyarakat di media sosial X terhadap kebijakan penundaan pengangkatan Calon Pegawai Negeri Sipil (CPNS) dan Pegawai Pemerintah dengan Perjanjian Kerja (PPPK) di Indonesia menggunakan algoritma Naïve Bayes. Data dikumpulkan melalui proses crawling pada media sosial X yang menghasilkan 283 komentar terkait isu tersebut. Proses analisis meliputi pre- processing data (pembersihan, case folding, filtering, stemming, dan tokenizing), pelabelan sentimen positif dan negatif, ekstraksi fitur menggunakan metode TF-IDF, klasifikasi dengan algoritma Multinomial Naïve Bayes, serta evaluasi model menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa algoritma Naïve Bayes mampu melakukan klasifikasi sentimen secara efektif terhadap opini publik yang beragam, mulai dari dukungan, kritik, hingga pandangan netral terhadap kebijakan penundaan tersebut. Temuan ini diharapkan dapat menjadi masukan bagi pemerintah dalam merumuskan kebijakan yang lebih responsif terhadap opini publik
Analisis Pengaruh Penanganan Imbalanced Dataset Terhadap Kinerja Model Klasifikasi Kualitas Peta Konsep Menggunakan Algoritma Support Vector Machine Kotot Tri Hartanto; Purnawansyah Purnawansyah; Sitti Rahmah Jabir
LINIER: Literatur Informatika dan Komputer Vol 3, No 1 (2026)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/linier.v3i1.3489

Abstract

Penilaian kualitas peta konsep sering digunakan untuk melihat pemahaman mahasiswa secara lebih terstruktur, namun proses penilaiannya masih banyak dilakukan secara manual sehingga memerlukan waktu dan berpotensi tidak konsisten. Tantangan lain yang muncul adalah ketidakseimbangan jumlah data antar kelas kualitas, yang dapat membuat model klasifikasi cenderung bias pada kelas mayoritas. Penelitian ini bertujuan menguji pengaruh SMOTE ENN terhadap kinerja Support Vector Machine dalam mengklasifikasikan kualitas proposisi peta konsep. Data yang digunakan berjumlah 691 proposisi dengan empat kelas kualitas, di mana kelas 3 mendominasi sebesar 64,3 persen. Teks diproses melalui tahap pra pemrosesan, kemudian direpresentasikan menggunakan TF IDF dengan ukuran kosakata 321 fitur. Data dibagi menjadi pelatihan dan pengujian dengan rasio 80 banding 20. Eksperimen dilakukan pada dua skenario, yaitu SVM tanpa penyeimbangan sebagai baseline, serta SVM dengan SMOTE ENN yang diterapkan pada data pelatihan sehingga ukuran data pelatihan meningkat dari 552 menjadi 1309 sampel dan distribusi kelas menjadi lebih seimbang. Hasil pengujian menunjukkan bahwa SMOTE ENN meningkatkan recall rata rata antar kelas dari 0,6479 menjadi 0,7149 dan F1 Score rata rata antar kelas dari 0,6806 menjadi 0,7297, serta menurunkan MAE dari 0,2230 menjadi 0,1871. Akurasi mengalami penurunan kecil dari 0,8633 menjadi 0,8561. Namun, penurunan ini disertai peningkatan recall dan F1 rata-rata antar kelas, yang berarti model lebih adil dan lebih baik dalam mendeteksi kelas-kelas yang sebelumnya jarang. Temuan ini mengindikasikan bahwa SMOTE ENN efektif untuk meningkatkan pemerataan performa klasifikasi pada dataset peta konsep yang tidak seimbang
Karya Ilmiah Makalah Perancangan Alat Monitoring Suhu dan Kelembaban pada Tanaman Sawi Berbasis Arduino Uno Muhammad Nur Firdaus; Purnawansyah Purnawansyah; St. Hajrah Mansyur
LINIER: Literatur Informatika dan Komputer Vol 1, No 1 (2024)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/linier.v1i1.2486

Abstract

Sawi merupakan tanaman yang rentan terhadap perubahan suhu dan kelembaban, dimana kondisi yang tidak optimal dapatmenghambat pertumbuhan dan bahkan dapat mengakibatkan pembusukan pada tanaman. Untuk mengatasi masalah ini,perancangan alat monitoring menjadi penting guna meningkatkan hasil panen tanaman sawi. Penelitian ini bertujuan untukmerancang sketsa alat monitoring suhu dan kelembaban pada tanaman sawi berbasis Arduino Uno. Alat ini menggunakanSensor DHT11 untuk mendeteksi suhu dan kelembaban udara, dan Sensor YL-69 untuk mengukur kelembaban tanah, faktorpenting dalam pertumbuhan tanaman. Data yang diperoleh dari sensor diproses oleh Arduino Uno dan ditampilkan padalayar LCD untuk memudahkan pemantauan oleh petani. Selain itu, data sensor juga disimpan dalam database untuk analisislebih lanjut. Alat ini diharapkan dapat membantu petani dalam memantau kondisi tanaman sawi secara real-time, sehinggamemungkinkan mereka untuk mengambil tindakan yang tepat untuk menjaga tanaman dalam kondisi optimal. Denganadanya sketsa alat monitoring ini, diharapkan dapat dikembangkan menjadi prototype oleh mahasiswa Fakultas IlmuKomputer dan juga diharapkan dapat direalisasikan serta diimplementasikan kepada petani yang melakukan prosespenanaman sawi agar dapat membantu untuk memonitoring suhu dan kelembaban tanah khususnya pada tanaman sawisehingga alat ini dapat digunakan oleh petani
Backpropagation Neural Network with Combination of Activation Functions for Inbound Traffic Prediction Purnawansyah, Purnawansyah; Haviluddin, Haviluddin; Darwis, Herdianti; Azis, Huzain; Salim, Yulita
Knowledge Engineering and Data Science
Publisher : citeus

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

Abstract

Predicting network traffic is crucial for preventing congestion and gaining superior quality of network services. This research aims to use backpropagation to predict the inbound level to understand and determine internet usage. The architecture consists of one input layer, two hidden layers, and one output layer. The study compares three activation functions: sigmoid, rectified linear unit (ReLU), and hyperbolic Tangent (tanh). Three learning rates: 0.1, 0.5, and 0.9 represent low, moderate, and high rates, respectively. Based on the result, in terms of a single form of activation function, although sigmoid provides the least RMSE and MSE values, the ReLu function is more superior in learning the high traffic pattern with a learning rate of 0.9. In addition, Re-LU is more powerful to be used in the first order in terms of combination. Hence, combining a high learning rate and pure ReLU, ReLu-sigmoid, or ReLu-Tanh is more suitable and recommended to predict upper traffic utilization.
Network Traffic Time Series Performance Analysisusing Statistical Methods Purnawansyah, Purnawansyah; Haviluddin, Haviluddin; Alfred, Rayner; Gaffar, Achmad Fanany Onnlita
Knowledge Engineering and Data Science
Publisher : citeus

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

Abstract

This paper presents an approach for a network traffic characterization by using statistical techniques. These techniques are obtained using the decomposition, winter’s exponential smoothing and autoregressive integrated moving average (ARIMA). In this paper, decomposition and winter’s exponential smoothing techniques were used additive and multiplicative model. Then, ARIMA based-on Box-Jenkins methodology. The results of ARIMA (1,0,2) was shown the best model that can be used to the internet network traffic forecasting
Co-Authors - Nurhikma A. Nurjulianty Abd. Rasyid Syamsuri Abdul Rachman Manga' Abdul Rachman Manga’ Achmad Fanany Onnilita Gaffar Achmad Fanany Onnilita Gaffar Adela Regita Azzahra Adnan, Adam Agung R Ahmad Fadly Aji P. Wibawa Aji Prasetya Wibawa Alfitriana Riska Alfiyyah, Nurul Alisma, Alisma Andi Muhammad Adnan Rusdy Andi Muhammad Halis Andri Rajsya Anisatul Humairah Anugrah, Rezky Arman, Eka Arrosied, Harun Arvina Yudithia Sompie Astuti, Wistiani Atussaliha, Nur Almar' Awang Harsa Kridalaksana Awangga, Narendra Backar, Sunarti Passura Basri, Haerunnisa Benny Leonard Enrico P Benny Leonard Enrico Panggabean Bustam, Faida Daeng Darwis, Herdianti Desi Anggreani Desy Indri Luthfia Andy Dewi Widyawati Dian Dolly Indra Dwiyanto, Felix Andika Enrico Panggabean, Benny Leonard Fahmi Fahmi Fajar AR, Muh. Aqil Faradibah, Amaliah Farniwati Fattah Fatimah Syarifuddin Fattah, Farniwati Fery Setyo Aji Firman Akbar Fitriyani Umar Gaffar, Achmad Fanany Onnlita Gaffar, Andi Widya Mufila Harlinda L Harlinda Lahuddin Hasihi, Cholisah Erman Hasnidar S. Hasrah Wahyuni Haviluddin Haviluddin Herawati Herawati Herdianti Darwis Herman Herman Huzain Azis Ifan Wahyudi Irawati Irawati Irawati Irawati Iriani Indah Saputri Jumrayanti Arfah Kasmira Kasmira Kasmira, Kasmira Kotot Tri Hartanto La Saiman Lilis Hayati lilis nurhayati Listyan Nur Saida Lokapitasari Belluano, Poetri Lestari Lukman Syafie Lutfi Budiman Ilmuwan M. Imam Maulana M. Takdir Mahfuddin Mukmin Malani, Rheo Manga', Abdul Rachman Manga, Abdul Rachman Mansyur, St. Hajrah Mardiyyah Hasnawi Ming Foey Teng Ming Foey Teng, Ming Foey Muh Alim Abdi Muh. Fadhil Attariq Hasril Muh. Rifqi Zulkifli Muhammad Arfah Asis Muhammad Arfah Iswaniah Muhammad Hardiansyah Hairi Muhammad Ikhsan Supriyadi Muhammad Nur Firdaus Muhammad Yushar Mattola Munaf, Adryan Dwiprawira Munawir Nasir Hamzah Nafalski, Andrew Nia Kurniati Nia Kurniati Nirmala Nirmala, Nirmala Nirwana, Nirwana Nugroho, Basuki Rahmat Nur Afra Dimitri Pratiwi Nur Almar' Atussaliha Nur Rahmah NURZAENAB NURZAENAB NURZAENAB, NURZAENAB Panggabean, Benny Leonard Enrico Purba, Muren Fiatra Denata Putri Regina Prayoga Putri, Inggrianti Pratiwi Rahma Puspitasari Rahma Puspitasari Rahmadani Rahmadani Raja, Roesman Ridwan Ramdan Sastra Ramdan Sastra Ramdaniah, Ramdaniah Rayner Alfred Rayner Alfred Resky Anugrah Rezky Anugrah Saiman, La Salim, Yulita Saly, Intan Novita Setyadi, Hario Jati Siti Rahmi Kelilauw Sitti Nurhalimah Sitti Rahmah Jabir St. Hajrah Mansyur Sugiarti, Sugiarti Sulfikar Sulfikar Sunarti Passura Backar Syafie, Lukman Syamsiar, Syamsiar Tasrif Hasanuddin Triyanna Widiyaningtyas Triyanna Widyaningtyas, Triyanna Umalekhoa, Alfi Syahrin Umar, Fitriyani Wahyuni Wahyuni Wd. Shaqina Rafa Naura Wistiani Astuti Wistiani Astuti Wong, Kelvin Wulan Purnama Sari Yudha Islami Sulistya Yulita Salim Yusrandi Yusrandi Zahif Safyin Saleh Zahirah, Dinna Zulkarnain, Nur Ainun Zulkifli Zulkifli