Article Per Year (5 Year)
p-Index From 2020 - 2025
1.288
P-Index
This Author published in this journals
All Journal International Journal of Artificial Intelligence Research bit-Tech Bakti Sekawan : Jurnal Pengabdian Masyarakat Jurnal Informatika dan Bisnis
Wasito, Budi
Unknown Affiliation
Religion Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Economics, Econometrics & Finance Electrical & Electronics Engineering Health Professions Social Sciences Other

Published : 7 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search
Journal : Jurnal Informatika dan Bisnis

 1 
ANALISIS TRACER STUDY PROGRAM STUDI SISTEM INFORMASI DAN TEKNIK INFORMATIKA PADA INSTITUT BISNIS DAN INFORMATIKA KWIK KIAN GIE PERIODE LULUSAN TAHUN 2017 – 2021 Wasito, Budi; Birowo, Sigit
Jurnal Informatika dan Bisnis Vol. 11 No. 1 (2022): Edisi Juni 2022
Publisher : Institut Bisnis dan Informatika Kwik Kian Gie

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46806/jib.v11i1.884

Abstract

Penelitian tracer study terhadap lulusan program studi Sistem Informasi (SI) dan Teknik Informatika (TI) bertujuan untuk mendapatkan gambaran secara jelas kondisi terakhir terkait posisi bidang kerja, lama waktu tunggu alumni sejak lulus dan kesesuaian antara bidang ilmu yang didapat dengan profesi saat terakhir. Alumni dapat memberikan masukan kritis dan membangun kepada almamaternya, sehingga dari masukan tersebut dapat diketahui prosentase kesesuaian antara kurikulum pendidikan yang didapatkan saat kuliah dengan kebutuhan dunia industri. Penelitian ini termasuk jenis penelitian deskriptif kualitatif (qualitative research) melalui pendekatan survei mencakup tahapan: persiapan, pelaksanaan, analisis dan evaluasi. Jenis data yang dikumpulkan dalam penelitian ini adalah data primer yang diperoleh langsung dari alumni melalui kuesioner yang terstruktur. Penyebaran kuesioner dilakukan secara online melalui link google form dan penyebaran secara langsung kepada alumni. Penyebaraan dan pengumpulan data dimulai sejak Januari s/d Juli 2022. Target sasaran adalah mahasiswa lulusan tahun 2017 sampai dengan tahun 2021 khusus program studi SI dan TI. Dari hasil penelusuran didapat respon alumni yang memberikan jawaban hasil Tracer Study masih dibawah 50%, maka secara berkelanjutan proses Tracer Study harus terus dilakukan karena sangatlah penting memotret profil alumni dan sekaligus antisipasi pemenuhan syarat akreditasi. Hasil penelitian menunjukkan sebagian besar alumni Program Studi SI dan TI mendapatkan pekerjaan dengan masa tunggu kurang dari 1 bulan yaitu sebanyak 41% mahasiswa. Sedangkan waktu tunggu 1 bulan sebanyak 18% alumni. Dan secara berturut turut waktu tunggu 2 bulan adalah 8%, 3 bulan 5% dan diatas 4bulan adalah 28%. Tingkat kesesuaian profesi alumni terhadap bidang kerja yang ditangani adalah 73% dari sejumlah responden yang memberikan jawaban. Dan terdapat 27% alumni bekerja tidak sesuai dengan bidang kerja (Non Infokom). Kata Kunci: Tracer Study, Waktu Tunggu, Kesesuaian Bidang Kerja
ANALISIS SENTIMEN TERHADAP PARA KANDIDAT PRESIDEN 2024 BERDASARKAN NETIZEN PENGGUNA TWITTER DENGAN METODE DATA MINING DAN TEXT MINING Luthfiansyah, Raihanda; Wasito, Budi
Jurnal Informatika dan Bisnis Vol. 11 No. 2 (2022): Edisi Desember 2022
Publisher : Institut Bisnis dan Informatika Kwik Kian Gie

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46806/jib.v11i2.994

Abstract

Dalam era digital modern saat ini, internet telah menjadi bagian tak terpisahkan dari kehidupan manusia, dan salah satu fenomena yang muncul adalah jejaring sosial media. Twitter merupakan salah satu platform jejaring sosial yang paling populer di Indonesia dan digunakan oleh berbagai lapisan masyarakat, termasuk dalam mengutarakan opini terhadap calon kandidat presiden Indonesia pada pemilihan umum 2024. Oleh karena itu, dilakukan penelitian dengan tema Analisis Sentimen pengguna Twitter terhadap kandidat pencalonan presiden 2024 untuk mengetahui bagaimana opini publik tentang kandidat-kandidat tersebut dalam bentuk sentimen positif, negatif, atau netral, sehingga dapat diketahui calon kandidat yang memiliki image positif, negatif, dan netral di mata masyarakat pengguna Twitter. Data Mining merupakan sebuah proses untuk mencari informasi yang berguna dalam penyimpanan yang besar berdasarkan metodologi CRISP-DM (Cross Industry Standard Process For Data Mining). Text Mining sama halnya seperti Data Mining dalam hal tujuan dan menggunakan proses yang sama, namun pada text mining input prosesnya adalah kumpulan file data yang tidak terstruktur (dokumen Word, file PDF, cuplikan teks, file XML, dan sebagainya). Sumber data dalam penelitian ini adalah data tweet pada platform Twitter pada bulan Februari 2023. Data ini diambil langsung dengan cara Crawling Dataset melalui Application Programming Interface (API) pada website developer twitter. Penelitian ini membandingkan hasil Analisis Sentimen menggunakan Machine learning berbasis aplikasi dekstop Orange Data Mining dan bahasa pemrogramman Python. Hasil sentimen positif, negatif dan netral nantinya dihitung masing-masing total keseluruhan pada masing-masing kandidat Presiden. Hasil seluruh proses data mining - text mining pada Orange Data Mining dan Python disajikan kedalam bentuk Graphic User Interface (GUI) sebagai tampilan dashboard. Hasil analisis sentimen terhadap Ganjar Pranowo, Prabowo Subianto dan Anies Baswedan berdasarkan Orange Data Mining menunjukkan skor positif, yakni masing-masing sebesar 61,80 persen, 33,60 persen dan 25,80 persen. Sedangkan, berdasarkan Python masing-masing sebesar 64,40 persen, 32,20 persen dan 28,34 persen. Baik skor menggunakan Orange Data Mining maupun Python secara konsisten menunjukkan nama kandidat Ganjar Pranowo memiliki skor tertinggi Kata Kunci: Data Mining, Text Mining, Application Programming Interface (API), Twitter, Orange Data Mining, Python, Graphic User Interface (GUI), Crawling Dataset
Penerapan Teknik Deep Learning (Long Short Term Memory) dan Pendekatan Klasik (Regresi Linier) dalam Prediksi Pergerakan Saham BRI Luthfiansyah, Raihanda; Wasito, Budi
Jurnal Informatika dan Bisnis Vol. 12 No. 2 (2023): Edisi Desember 2023
Publisher : Institut Bisnis dan Informatika Kwik Kian Gie

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46806/jib.v12i2.1059

Abstract

Perkembangan teknologi telah memengaruhi dunia investasi, termasuk investasi saham. Saham Bank Rakyat Indonesia (BRI) menjadi populer di pasar modal Indonesia karena kinerja keuangan yang baik. Namun, investor sering kesulitan dalam memilih saham yang tepat karena kurangnya informasi yang akurat dan efektif. Oleh karena itu, diperlukan analisis yang akurat dalam memilih saham yang tepat. Salah satu model prediksi adalah model algoritma LSTM yang memanfaatkan teknologi kecerdasan buatan (AI) dan machine learning. Penelitian ini bertujuan untuk membandingkan kinerja model algoritma LSTM dengan regresi linear dalam memprediksi harga saham BRI periode 2001-2022 untuk mengevaluasi keefektifannya dalam memprediksi harga saham BRI di masa depan. Data mining merupakan sebuah proses untuk mencari informasi yang berguna dalam penyimpanan yang besar berdasarkan metodologi CRISP-DM (Cross Industry Standard Process For Data Mining). Sumber data dalam penelitian ini adalah data saham BBRI dari tahun 2001-2022. Peneliti mendapatkan data pada website kaggle.com. Penelitian ini membandingkan tingkat akurasi prediksi pada algoritma Long Short-Term Memory (LSTM) dan Regresi Linear berbasis Python maupun aplikasi Orange. Hasil komparasi ditentukan berdasarkan skor Root Mean Square Error (RMSE). Hasil prediksi disajikan dalam bentuk Graphic User Interface dengan media antarmuka. Hasil komparasi algoritma prediksi terhadap dua model dalam data mining, maka model yang lebih akurat adalah algoritma Regresi Linear pada Python. Hal ini dibuktikan dengan nilai RMSE yang lebih rendah, yaitu 286.992.
Aplikasi Reservasi Kamar Berbasis Web: Solusi untuk Meningkatkan Pemesanan di Wisma Rumka Putri, Kezia Agatha; Wasito, Budi
Jurnal Informatika dan Bisnis Vol. 13 No. 1 (2024): Edisi Juni 2024
Publisher : Institut Bisnis dan Informatika Kwik Kian Gie

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46806/jib.v13i1.1199

Abstract

Wisma Rumka is a place that operates in the accommodation sector. Wisma Rumka provides accommodation in the form of accommodation for one night or one month. Wisma Rumka consists of 21 rooms dan has a 4-story building. The research carried out aims to increase goal is to reduce synchronization between room scheduling and the reservation process. The theories used in this research are theories about system, reservations, 8 golden rules, and other theories that can support this research. System theory is used as the foundation for creating a reservation system, reservation theory as a variable in the system being created, along with the 8 golden rules as a theory to make the appearance better. The research method used is qualitative research method. The primary data needed in this research was obtained from sctructured interviews with the owner of Wisma Rumka and the result of field research at the accommodation. The secondary data needed in this research was obtained from the author reading books and journals. The website design is depicted with a UML diagram. The resulting website is a website in the form of a simple reservation that can be opened via computer and the display has been adapted to mobile display. This website is used to support room booking activities carried out by Wisma Rumka Inn. This research was carried out the aim of creating a reservation website using PHP, HTML, MySQL so that it does not required any costs. It is hoped that this research can be one of the things that can increase room bookings.
Co-Authors Apriwenni, Prima Brastoro Budi, Akhmad Elis Sondang Dasawaty Hadiewijaya, Alvin Luthfiansyah, Raihanda NAUFAL, NAUFAL Putri, Kezia Agatha Sigit Birowo