Garuda - Garba Rujukan Digital

Pengembangan Sistem Informasi Akademik Prodi Sistem Informasi Universitas PGRI Silampari Berbasis Website Dan Analisis UML Fadli, Muhamad; Rio, Rio
INTECOMS: Journal of Information Technology and Computer Science Vol 8 No 1 (2025): INTECOMS: Journal of Information Technology and Computer Science
Publisher : Institut Penelitian Matematika, Komputer, Keperawatan, Pendidikan dan Ekonomi (IPM2KPE)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31539/intecoms.v8i1.13720

Penelitian ini adalah untuk mendapatkan informasi yang tepat dan akurat dalam pengaksesan data-data akademik, berupa data dosen, data user, data mata kuliah, data jadwal perkuliahan dan data nilai, maka informasi dapat dirangkum dalam sebuah sistem informasi administrasi akademik berbasis website, metode yang digunakan dalam penelitian ini menggunakan metode UML, metode pengembangan sistem waterfall adalah sebuah metode yang digunakan untuk melakukan pembuatan sistem yang dimulai dari tahapan analsis kebutuhan sistem, desain sistem, pengkoden dan implementasi, hasil dari penelitian ini diharapkan dapat mempermudah pihak prodi dalam melakukan pengolahan data administrasi akademik karena telah dilakukan secara online, selain itu metode penelitian ini menggunakan metode UML untuk menganalisis Penggunaan dan menggambarkan bentuk dari website yang sudah dibangun dan dikembangkan, UML berfungsi untuk memperlihatkan apakah website ini sudah sesuai dengan runtutan penyusunannya atau belum. Kata Kunci: Sistem Informasi, Akademik, UML, Website

Analisis Sentimen Komentar Pengguna Aplikasi Astro Shop Di Google Playstrore Menggunakan Metode Support Vector Machine (SVM) Rio; Sidqi, M. Nejatullah; Aprilisa, Shinta; Aulia, Rizka; Lea, Al Ilham
Jurnal Multimedia dan Teknologi Informasi (Jatilima) Vol. 7 No. 04 (2025): Jatilima : Jurnal Multimedia Dan Teknologi Informasi
Publisher : Cattleya Darmaya Fortuna

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54209/jatilima.v7i04.1826

Transformasi digital dalam satu dekade terakhir telah mendorong meningkatnya penggunaan aplikasi seluler untuk berbagai aktivitas, termasuk belanja daring. Salah satu aplikasi yang tengah berkembang di Indonesia adalah Astro Shop, yang memanfaatkan layanan pengiriman instan sebagai nilai unggulannya. Melimpahnya ulasan pengguna di Google Play Store menjadikan data tersebut sebagai sumber informasi berharga untuk mengevaluasi kualitas layanan. Namun, tingginya volume komentar yang bersifat tidak terstruktur memerlukan pendekatan analisis otomatis agar dapat diolah secara efektif. Penelitian ini bertujuan untuk melakukan analisis sentimen terhadap ulasan pengguna aplikasi Astro Shop dengan memanfaatkan algoritma Support Vector Machine (SVM). Data yang digunakan berjumlah 1.729 komentar dari Google Play Store yang dikumpulkan melalui teknik web crawling menggunakan Python. Selanjutnya, data diproses melalui tahapan pra-pemrosesan yang meliputi case folding, pembersihan teks, tokenisasi, penghapusan stopword, normalisasi, dan stemming. Fitur kata kemudian direpresentasikan dengan metode Term Frequency-Inverse Document Frequency (TF-IDF) sebelum digunakan pada tahap pelatihan dan pengujian model klasifikasi. Hasil evaluasi menunjukkan bahwa model SVM mampu mencapai akurasi keseluruhan sebesar 98%. Kelas negatif memiliki performa terbaik dengan precision 0,98, recall 1,00, dan f1-score 0,99, sementara kelas positif mencatat f1-score 0,69 dengan recall relatif rendah (0,54). Model tidak dapat memprediksi kelas netral karena jumlah data yang terlalu sedikit. Validasi silang 10-fold menunjukkan akurasi konsisten pada rentang 96,8% hingga 98,4%, yang menandakan model memiliki kemampuan generalisasi yang baik.

Komparasi Kinerja Algoritma Random Forest dan Decision Tree dalam Klasifikasi Penyakit Jantung M. Nejatullah Sidqi; Rio
LogicLink Vol. 3 No. 1, June 2026
Publisher : Universitas Islam Negeri K.H. Abdurrahman Wahid Pekalongan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.28918/logiclink.v3i1.01

Penyakit jantung masih menjadi penyakit yang merenggut banyak nyawa, sehingga sangat penting untuk menemukan cara yang lebih cepat dan akurat dalam mendiagnosisnya. Perkembangan pesat dalam pembelajaran mesin kini membuka peluang untuk memanfaatkan berbagai algoritma klasifikasi guna memprediksi penyakit jantung berbekal data medis pasien. Studi ini berupaya membandingkan efektivitas algoritma Decision Tree dan Random Forest dalam mengklasifikasikan penyakit jantung dengan memanfaatkan kumpulan data Penyakit Jantung. Tahapan penelitian mencakup pengumpulan data, pembersihan dan penataan data awal, penjelajahan data (EDA), pembagian data menjadi set pelatihan dan pengujian, pelatihan model, serta penilaian kinerja melalui Confusion Matrix dan perhitungan tingkat akurasi. Berdasarkan evaluasi, algoritma Decision Tree mencapai tingkat akurasi 93,44% pada data pelatihan dan 87,34% pada data pengujian. Analisis Confusion Matrix untuk model ini mencatat 123 kasus True Negative, 146 True Positive, 27 False Positive, dan 12 False Negative. Sementara itu, algoritma Random Forest tampil lebih superior dengan akurasi pelatihan 99,02% dan akurasi pengujian 97,73%. Confusion Matrix untuk Random Forest mencatat 147 True Negative, 154 True Positive, 3 False Positive, dan 4 False Negative. Temuan ini menunjukkan bahwa Random Forest menawarkan akurasi yang lebih baik dan mengurangi kesalahan prediksi dibandingkan dengan Decision Tree. Hal ini mengindikasikan bahwa Random Forest lebih handal dalam mengidentifikasi pola data yang berkaitan dengan penyakit jantung dan lebih baik dalam menggeneralisasi hasilnya. Dengan demikian, algoritma Random Forest direkomendasikan sebagai pendekatan yang lebih efektif untuk klasifikasi penyakit jantung karena kemampuannya memberikan prediksi yang lebih akurat dan stabil.

Perbandingan Optimizer dan RMSPROP Menggunakan Arsitektur ANN untuk Klasifikasi Pengenalan Tulisan Tangan M. Nejatullah Sidqi; Rio
Infotek: Jurnal Informatika dan Teknologi Vol. 9 No. 2 (2026): Infotek : Jurnal Informatika dan Teknologi
Publisher : Fakultas Teknik Universitas Hamzanwadi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29408/jit.v9i2.34653

This study discusses the performance comparison of two optimization algorithms, Adam and RMS Prop, in training an Artificial Neural Network (ANN) for handwriting recognition classification tasks using the MOIST dataset. The MOIST dataset contains 70,000 handwritten digit images (0–9) measuring 28×28 pixels. The research stages include dataset input, preprocessing (pixel normalization, training and testing data division, and label conversion to one-hot encoding), weight initialization, and ANN model training with variations of Adam and RMS Prop optimizers. Model performance was tested using accuracy, precision, recall, and F1-score. The test results were carried out using the Google Cola application; the testing scheme was carried out in a structured manner with epoch iterations of 50, 100, 150, 200 and 250 on the Adam and RMS Prop optimizers. The test shows that the Adam optimizer generally provides higher accuracy and faster convergence than RMS Prop on the MOIST dataset, thanks to a combination of momentum and a more stable learning rate adaptation. However, RMS Prop still excels in weight update stability in some cases and tends to be more consistent on datasets with fluctuating gradient distributions.

Analisis Sentimen Komentar Pengguna Aplikasi Astro Shop Di Google Playstrore Menggunakan Metode Support Vector Machine (SVM) Rio; M. Nejatullah Sidqi; Shinta Aprilisa; Rizka Aulia; Al Ilham Lea
Jurnal Multimedia dan Teknologi Informasi (Jatilima) Vol. 7 No. 04 (2025): Jatilima : Jurnal Multimedia Dan Teknologi Informasi
Publisher : Cattleya Darmaya Fortuna

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54209/jatilima.v7i04.1826

Transformasi digital dalam satu dekade terakhir telah mendorong meningkatnya penggunaan aplikasi seluler untuk berbagai aktivitas, termasuk belanja daring. Salah satu aplikasi yang tengah berkembang di Indonesia adalah Astro Shop, yang memanfaatkan layanan pengiriman instan sebagai nilai unggulannya. Melimpahnya ulasan pengguna di Google Play Store menjadikan data tersebut sebagai sumber informasi berharga untuk mengevaluasi kualitas layanan. Namun, tingginya volume komentar yang bersifat tidak terstruktur memerlukan pendekatan analisis otomatis agar dapat diolah secara efektif. Penelitian ini bertujuan untuk melakukan analisis sentimen terhadap ulasan pengguna aplikasi Astro Shop dengan memanfaatkan algoritma Support Vector Machine (SVM). Data yang digunakan berjumlah 1.729 komentar dari Google Play Store yang dikumpulkan melalui teknik web crawling menggunakan Python. Selanjutnya, data diproses melalui tahapan pra-pemrosesan yang meliputi case folding, pembersihan teks, tokenisasi, penghapusan stopword, normalisasi, dan stemming. Fitur kata kemudian direpresentasikan dengan metode Term Frequency-Inverse Document Frequency (TF-IDF) sebelum digunakan pada tahap pelatihan dan pengujian model klasifikasi. Hasil evaluasi menunjukkan bahwa model SVM mampu mencapai akurasi keseluruhan sebesar 98%. Kelas negatif memiliki performa terbaik dengan precision 0,98, recall 1,00, dan f1-score 0,99, sementara kelas positif mencatat f1-score 0,69 dengan recall relatif rendah (0,54). Model tidak dapat memprediksi kelas netral karena jumlah data yang terlalu sedikit. Validasi silang 10-fold menunjukkan akurasi konsisten pada rentang 96,8% hingga 98,4%, yang menandakan model memiliki kemampuan generalisasi yang baik.

Peran Teknologi Digital Terhadap Pendidikan Karakter Etika dan Moral Priyanto; Muhammad Arya Pratama; Rio
Prosiding Silampari Conference of Life Sciences and Techonology (Silamparilist) Vol 1 (2025): Proceeding Silampari Conference of Life Science and Technology
Publisher : Proceeding of Silampari Conference of Life Science and Technology

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

Perkembangan teknologi digital yang pesat membawa dampak signifikan dalam dunia pendidikan, termasuk dalam pembentukan karakter moral dan etika mahasiswa. Penelitian ini bertujuan untuk menganalisis persepsi, dampak, dan sikap mahasiswa Universitas PGRI Silampari terhadap peran teknologi digital dalam pendidikan karakter. Dengan menggunakan pendekatan deskriptif data dikumpulkan melalui kuisioner daring yang disebarkan kepada mahasiswa fakultas Sains dan Teknologi.Hasil yang diharapkan adalah pemahaman menyeluruh tentang bagaimana mahasiswa merespons integrasi teknologi dalam pembelajaran karakter, serta bagaimana teknologi dapat dimanfaatkan secara optimal untuk memperkuat nilai-nilai moral dan etika. Penelitian ini juga menyoroti potensi risiko seperti plagiarisme, cyberbullying, dan penyalahgunaan informasi digital, serta pentingnya pendidikan etika digital sebagai bagian integral dalam kurikulum. Temuan dari studi ini diharapkan dapat menjadi dasar pengembangan strategi pendidikan karakter yang relevan di era digital.

Title

Found 16 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 16 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 16 Documents
Search