Claim Missing Document
Check
Articles

SENTIMEN ANALISIS MARKETPLACE DI INDONESIA MENGGUNAKAN ALGORITMA RANDOM FOREST Saputra, Irgi Mahendrata; Sadikin, Nanda Dwi Husna; Sadikin, Nandi Dwi Husni; Marko, Niki; Ramdhani, Yudi
PRODUKTIF : Jurnal Ilmiah Pendidikan Teknologi Informasi Vol. 7 No. 1 (2023): Produktif: Jurnal Ilmiah Pendidikan Teknologi Informasi
Publisher : Program Studi Pendidikan Teknologi Informasi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35568/produktif.v7i1.3149

Abstract

Situs marketplace online merupakan tempat belanja yang saat ini sedang populer dikalangan masyarakat,banyak sekali berbagai marketplace yang bersaing, mulai dari shoope,tokopedia,bukalapak dan lain lain. selain memudahkan masyarakat untuk belanja namun ada banyak sekali masalah masalah yang timbul keluhan tentang aplikasi tersebut. Ada berbagai macam masalah pada market place di Indonesia,salah satunya yaitu kurang puasnya pelanggan terhadap market place,yang menyebabkan banyak nya komplain pelanggan terhadap market place tersebut,maka dari itu kami melakukan penelitian analis sentimen melalui data post twitter. Melalui teknologi machine learning, sentimen publik terhadap market place dapat diketahui dengan berbagai macam algoritma, salah satu algoritmanya yaitu algoritma random forest. Penelitian ini bertujuan untuk mengklasifikasi dan mengetahui tingkat akurasi sentimen publik terhadap berbagai macam market place menggunakan teknologi machine learning dengan algoritma random forest. Setelah dilakukan proses analisa dan klasifikasi menggunakan tools rapidminer, tingkat akurasi dari sentimen publik terhadap market place sebesar 68,56%
Perancangan Sistem IoT Smart Fisher Untuk Kelompok Budidaya Ikan Kaliwungu Rahayu Ramdhani, Yudi; Hariyanti, Ifani; Sandini, Dwi; Susanti, Sari; Najiyah, Ina
Jurnal Sosial & Abdimas Vol. 5 No. 1 (2023): Jurnal Sosial & Abdimas
Publisher : LPPM Universitas Adhirajasa Reswara Sanjaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51977/jsa.v5i1.1071

Abstract

Kelompok masyarakat yang memiliki mata pencaharian melalui budidaya ikan salah satunya adalah Kelompok Budidaya Ikan Kaliwungu Rahayu yang berlokasi di Dusun Panglajan Desa Cintaratu Kec Parigi Kabupaten Pangandaran. Berdasarkan hasil temuan yang didapatkan dari pembudidaya ikan, baik yang berfokus pada pembenihan maupun pembesaran sama-sama merasakan masa panen yang lama. Pada pembudidaya yang berfokus pada pembenihan masa panen kurang lebih dicapai selama 3 bulan, sedangkan untuk yang berfokus pada pembesaran dicapai selama 4 bulan. Masa panen yang kurang optimal dipengaruhi tidak adanya alat penunjang. Peralatan ini yang berpengaruh pada manajemen kualitas air, selama ini manajemen kualitas air dilakukan secara tradisional dan berdasarkan pengalaman yang diperoleh. Faktor tersebut juga menyebabkan bidang budidaya ikan dipandang memiliki nilai ekonomi yang rendah. Kegiatan pengabdian masyarakat ini bertujuan untuk membantu Kelompok Budidaya Ikan Kaliwungu Rahayu untuk menyelesaikan masalahnya. Metode yang yang digunakan dalam pengabdian masyarakat ini terdiri dari tahapan observasi, wawancara dengan mitra, survey lokasi kolam tempat budidaya ikan, serta sosialisasi hasil perancangan model teknologi yang akan dibuat. Hasil pengabdian masyarakat ini sebuah model perancangan sistem IoT yang akan diterapkan untuk manajemen kolam, pada Kelompok Budidaya Ikan Kaliwungu Rahayu.
Optimasi Fitur dengan Forward Selection pada Estimasi Tingkat Obesitas menggunakan Random Forest Alpiansah, Agung Bia; Ramdhani, Yudi
Sistemasi: Jurnal Sistem Informasi Vol 12, No 3 (2023): Sistemasi: Jurnal Sistem Informasi
Publisher : Program Studi Sistem Informasi Fakultas Teknik dan Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32520/stmsi.v12i3.3125

Abstract

Obesitas remaja di Indonesia sedang meningkat, karena kebiasaan makan yang buruk dan gaya hidup yang kurang gerak. Obesitas meningkatkan risiko masalah kesehatan yang serius seperti penyakit jantung, stroke, diabetes, dan lain-lain yang memerlukan tindakan segera. Obesitas berkembang ketika jumlah kalori yang dikonsumsi melebihi jumlah kalori yang dibakar. Obesitas telah menjadi masalah kesehatan masyarakat yang sangat besar di seluruh dunia. Menurut Organisasi Kesehatan Dunia, sekitar 1,9 miliar orang berusia 18 tahun ke atas mengalami kelebihan berat badan, dengan 600 juta orang mengalami obesitas. Menurut Survei Kesehatan dan Morbiditas Nasional, wanita 29,6% lebih mungkin mengalami obesitas dibandingkan pria, dibandingkan dengan 25% pria. Dataset rekam medis gagal jantung akan ditangani dalam dua tahap percobaan berdasarkan validasi. Empat algoritma klasifikasi yang berbeda, termasuk Random Forest, K-Nearest Neighbor, Decision Tree, dan Naive Bayes, akan dicoba pada langkah pertama. Untuk Testing, metode Cross Validation yang menggunakan Random Forest mengungguli empat algoritma lainnya dalam Testing algoritma. Setelah Testing, metode algoritma Random Forest menghasilkan nilai akurasi tertinggi, dan dievaluasi kembali menggunakan Split Validation dan rasio split yang bervariasi dengan Forward Selection sebagai fitu seleksi. Hanya Testing yang menggunakan metode Forward Selection mengungguli Testing yang menggunakan algoritma Random Forest.
PENDEKATAN ALGORITMA NEURAL NETWORK DAN GENETIC ALGORITHM UNTUK PREDIKSI PENYAKIT GINJAL KRONIS Siswaja, Hendy D; Ramdhani, Yudi
Jurnal RESPONSIF: Riset Sains & Informatika Vol 6 No 2 (2024): Jurnal Responsif : Riset Sains dan Informatika
Publisher : LPPM Universitas Adhirajasa Reswara Sanjaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51977/jti.v6i2.1778

Abstract

Penyakit ginjal kronis (PGK) merupakan masalah kesehatan masyarakat global yang mempengaruhi sekitar 10% dari populasi dunia. Persentase prevalensi PGK di China adalah 10,8%, dan rentang prevalensinya adalah 10%-15% di Amerika Serikat. Seiring dengan perkembangan Artificial Intelligence (AI) dimana Machine Learning (ML) merupakan subbagian dari AI, penelitian ini mencoba memanfaatkan algoritma Neural Network, optimasi data berbasis Genetic Algorithm, dan k-fold Cross Validation dengan nilai k berkelipatan 10, yaitu 10, 20, 30, 40, dan 50 untuk memprediksi apakah seorang pasien mengidap PGK atau tidak dari dataset yang berisi hasil uji klinis pasien tersebut. Hasil penelitian ini mengungkapkan bahwa algoritma Neural Network dengan optimasi data berbasis GA mampu memperoleh tingkat akurasi sampai dengan 98,75% dan nilai AUC sebesar 0,999 sehingga dapat disimpulkan bahwa algoritma Neural Network dengan optimasi berbasis GA ini dapat dikembangkan lebih lanjut menjadi sebuah aplikasi ataupun bagian dari sistem kesehatan sehingga tingkat diagnosa pasien yang mengidap PGK dapat lebih cepat dilakukan dengan tingkat akurasi yang tinggi dan dapat meningkatkan peluang kesembuhan bagi pasien tersebut.
Sistem Penunjang Keputusan Menggunakan Metode Topsis untuk Menentukan Kelayakan Bantuan Rumah Tidak Layak Huni (RTLH): Pada Desa Sumbaga Hiya Nalatissifa; Yudi Ramdhani
MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer Vol. 19 No. 2 (2020)
Publisher : Universitas Bumigora

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/matrik.v19i2.638

Abstract

Memiliki rumah yang layak untuk dihuni merupakan keinginan setiap manusia, kemiskinan merupakan faktor utama seseorang tidak dapat memenuhi kebutuhan primer maupun sekundernya. Upaya pemerintah untuk meningkatkan kesejahteraan rakyat adalah dengan mengadakan berbagai program penanggulangan kemiskinan, salah satunya pemberian dana Rumah Tidak Layak Huni (RTLH) yang harus tepat sasaran kepada penduduk yang tidak mampu. Akan tetapi dalam pelaksanaannya petugas mengalami kesulitan dalam pengolahan data, sehingga diperlukan suatu Sistem Penunjang Keputusan (SPK) yang dapat membantu dalam menentukan penerima bantuan RTLH. Salah satu metode SPK adalah metode TOPSIS yang merupakan sebuah metode yang mampu membantu proses pengambilan keputusan yang optimal/praktis dengan konsep yang sederhana/mudah dipahami. Desa Sumbaga merupakan salah satu desa yang membutuhkan sebuah SPK dalam menentukan masyarakat yang berhak menerima bantuan dana RTLH. Pihak desa mengalami kesulitan dalam hal penetapan penerima bantuan karena banyaknya data calon penerima dan kriteria-kriteria yang harus dipertimbangkan dalam pengolahan datanya, pengambilan keputusan dilakukan secara subyektif atau mengandalkan perkiraan/prediksi, sehingga masih terdapat penyaluran bantuan yang tidak tepat sasaran. Hasil dari penelitian ini adalah sistem pendukung keputusan kelayakan bantuan rumah tidak layak huni (RTLH) dengan menggunakan metode TOPSIS yang dibangun sebagai alat bantu untuk penentuan kelayakan bantuan RTLH.
Evaluasi Strategi Peningkatan Daya Saing Usaha Mikro di Sektor Kuliner melalui Implementasi Modul CRM pada Sistem ERP Open Source Odoo Andini, Novia; Haerul, Haerul; Ce, Win; Ramdhani, Yudi
TIN: Terapan Informatika Nusantara Vol 6 No 9 (2026): February 2026
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/tin.v6i9.8785

Abstract

Micro-enterprises play a crucial role in driving Indonesia’s national economic growth. To survive in an increasingly competitive environment and continue to develop, the adoption of technology has become an unavoidable necessity for business actors. This study aims to analyze the effectiveness of implementing the Customer Relationship Management (CRM) module within the Odoo Enterprise Resource Planning (ERP) system in supporting strategies to enhance the competitiveness of micro-enterprises. The research employs the Prototype method, which includes stages of requirements gathering, system design and configuration, implementation, User Acceptance Testing (UAT), as well as system deployment and strategic evaluation. The results indicate that the implementation of the CRM module provides measurable positive impacts on operational performance and customer relationship management. The frequency of recorded customer interactions increased from an average of 3 to 10 interactions per day, the number of new customers rose from 5 to 12 customers per week, and the number of repeat customers increased from 8 to 18 customers per week. In terms of operational efficiency, the time required for transaction recording was reduced from approximately 10 minutes to 4 minutes per transaction through process automation within the ERP system. In addition, access to data and reports that was previously manual and unstructured is now available automatically and in real time, thereby supporting faster and data-driven decision-making by business owners.Strategically, the implementation of ERP through the CRM module has proven to be an effective tool in strengthening the competitive position of micro-enterprises. This is reflected in improved quality of customer interactions, increased acquisition of new customers, and growing customer loyalty. These improvements were achieved through the optimal utilization of features available in the Odoo system, enabling the CRM module to be maximized in supporting the sustainability and development of micro-enterprises.