Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal KLIK (Kumpulan jurnaL Ilmu Komputer) (e-Journal) JURNAL TEKNOLOGI INFORMASI
Fatoni, Raden Mirza Kurnia
Unknown Affiliation
Computer Science & IT

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Implementasi Metode Design Thinking Untuk Perancangan UI/UX Aplikasi Manajemen Surat Pada Bengkel Pusat Zeni TNI AD Ernawati, Siti; Fatoni, Raden Mirza Kurnia
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 11, No 1 (2024)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v11i1.617

Abstract

Bengkel Pusat Zeni TNI AD merupakan salah satu instansi yang masih melakukan kegiatan surat-menyurat dan pengarsipannya secara manual dengan menggunakan buku arsip. Kegiatan tersebut memiliki kelemahan diantaranya: data tidak dapat tersimpan dengan baik karena surat mudah sobek, buku agenda yang dipakai mudah rusak. Untuk mengatasi permasalahan yang ada dibutuhkan solusi aplikasi manajemen surat berbasis website yang menawarkan kemudahan bagi Bengkel Pusat Zeni TNI AD salah satunya adalah efisiensi waktu. Design thinking merupakan metode untuk menganalisis kebutuhan pengguna dalam menghasilkan desain interaktif antarmuka aplikasi. Metode ini memberikan pendekatan berbasis solusi untuk memecahkan masalah. Design thinking dapat membantu kita mengajukan pertanyaan, hipotesis dan relevansi karena sangat berguna dalam mendefinisikan ulang masalah dengan pusat manusia, menciptakan banyak ide dalam brainstorming, menggunakan prototipe dan pengujian langsung. Setelah dilakukan uji coba prototype, kemudian melihat hasil user experience dan user interface rancangan aplikasi manajemen surat Bengkel Pusat Zeni TNI AD pada set data benchmark untuk 2 skala (daya tarik dan efisiensi) mencapai kategori good, dan 4 skala lainnya (kejelasan, ketepatan, stimulasi, kebaruan) mendapatkan hasil kategori excellent (luar biasa). Dapat diartikan bahwa rancangan aplikasi manajemen surat Bengkel Pusat Zeni TNI AD memiliki tampilan desain yang baik serta mampu menyediakan fungsi dan kemampuan yang diperlukan oleh pengguna untuk mencapai tujuannya.
Komparasi Algoritma Klasifikasi Text Mining Untuk Analisa Sentimen Pada Akun Twitter Tokopediacare Sururi, Dede Miftah; Wibowo, Gigih Hasoko; Sulistyo, Romy Triadi; Fatoni, Raden Mirza Kurnia; Telaumbanua, Emrina; Saputra, Dedi Dwi
JURNAL TEKNOLOGI INFORMASI Vol 8, No 1 (2022): Jurnal Teknologi Informasi
Publisher : Universitas Respati Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52643/jti.v8i1.2271

Abstract

Perkembangan teknologi yang begitu pesat tidak terelakkan lagi. Media sosial kini menjadi sarana media komunikasi yang paling mudah digunakan orang banyak. Dengan media sosial, banyak penilaian sentimen yang dapat diteliti. Salah satunya Twitter. Dengan twitter, pengguna dapat melakukan review sebuah produk berdasarkan pengalaman yang mereka alami. Tokopedia misalnya, platform e-commerce dengan jutaan akun pembeli tentunya seringkali mendapatkan respon positif atau negatif. Melalui twitter, tokopedia menyediakan layanan konsumen dengan akun @TokopediaCare. Analisa sentimen terhadap review pengguna tokopedia pada akun tersebut memberikan indikator yang berguna untuk berbagai tujuan yang dapat ditemukan dalam komentar, umpan balik ataupun kritik. Data kicauan yang telah dikumpulkan dari twitter diolah terlebih dahulu dipecah menjadi kata sehingga dapat memudahkan dalam mengklasifikasi jenis kata. Penelitian ini menggunakan algoritma Synthetic Minority Oversampling Technique (SMOTE), Naïve Bayes, Adaptive Boosting (AdaBoost), Support Vector Machine (SVM) dan  Support Vector Machine Particle Swarm Optimization (SVM PSO) yang pengujiannya akan membandingkan dari campuran metode tersebut untuk mengetahui metode mana yang paling ideal dalam menentukan sentimen analisa pada kicauan twitter tokopedia. Dengan pengolahan hasil uji menggabungkan Synthetic Minority Oversampling Technique (SMOTE) dan Support Vector Machine Particle Swarm Optimization (SVM PSO) menghasilkan nilai terbaik yaitu Accuracy 76,05%, Precision 77,23%, Recall 74.14% dan AUC 0,826.
Co-Authors Ernawati, Siti Saputra, Dedi Dwi Sulistyo, Romy Triadi Sururi, Dede Miftah Telaumbanua, Emrina Wibowo, Gigih Hasoko