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 7 Documents
Search

 1 
Pelatihan Aplikasi Komputer Microsoft Word, Microsoft Excel, SPSS Bagi Siswa-Siswa SMA Kristen Tunas Bangsa Cakung Wasito, Budi; Brastoro; Birowo, Sigit
Bakti Sekawan : Jurnal Pengabdian Masyarakat Vol. 3 No. 2 (2023): Desember
Publisher : Puslitbang Sekawan Institute Nusa Tenggara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35746/bakwan.v3i2.455

Abstract

Perkembangan teknologi informasi kini semakin maju dengan adanya alat yang memudahkan manusia bekerja secara efektif dan efisien, yaitu media komputer. Adapun aplikasi yang begitu banyak diperlukan dan digunakan oleh sebagian besar masyarakat adalah aplikasi untuk perkantoran dalam hal ini adalah Microsoft Office dan SPSS. Ada kalanya seseorang ingin mengetahui sejauh mana tingkat kemampuan yang dimilikinya dalam penguasaan program tersebut sedangkan masih sedikitnya lembaga atau instansi terkait yang menyediakannya. Dengan adanya pelatihan diharapkan dapat dan mampu mengoptimalkan kemampuannnya serta merasa diakui kemampuannya dalam mengolah Aplikasi Ms. Office dan Aplikasi SPSS dan dibantu dengan cara yang mudah untuk mendapatkannya, maka dengan media internet yang canggih dapat memungkinkan kita untuk melakukan latihan tes secara online dengan mudah tanpa harus melakukan kursus yang membutuhkan waktu yang lama sehingga dengan waktu yang relatif sedikit kita dapat mengetahui tingkat kemampuan penguasaan program aplkasi dalam hal ini Microsoft Office dan SPSS.
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.
Decision-making application Implementation to Determine the Location of an Android-Based Football Watching Café in DKI Jakarta Dasawaty, Elis Sondang; Apriwenni, Prima; Naufal, Naufal; Wasito, Budi; Budi, Akhmad
International Journal of Artificial Intelligence Research Vol 6, No 1.2 (2022)
Publisher : STMIK Dharma Wacana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29099/ijair.v6i1.1.571

Abstract

As more and more levels of the technology that can help us on any side, we must use this advantage as good as possible. This led us to produce more applications to make a better living for human races. So is the growth of the football fans community. But on the other hand, there are no application that exclusively provides information systems with location- specific services for football fans to do match screening.To establish a Decision Support System  with  location-based  services,  the  author  uses  a variety  of theories  used  as  a references. Theories are information systems, databases, SQL, Java programming languages, PHP Programming languages, Android Operating System, Decision Making and Location Based Service. The application is developed with the Java-based Java programming language that can be easily accessed and run through the internet. In this research, data collection is done by doing direct observation with the culture of match screening. The system development is done using object-oriented analysis and design that can be described with Unified Modeling Language (UML).The results of this research is a Decision Making application that can be used by anyone, especially for those who are fans of football clubs and cafe owners with the match screening facility . With its uniqueness, this is can be an attraction for cafe owners who want to promote their cafe. The conclusion of this research is the application of decision making can be used as media to publish cafe with match screening facility and information of match that aired, so it can facilitate the spectators of soccer sport in order to funnel their hobby.
Perbandingan Efisiensi Waktu dan Memori Pada C# dan Java dengan Metode Benchmarking Hadiewijaya, Alvin; Wasito, Budi
bit-Tech Vol. 7 No. 2 (2024): bit-Tech
Publisher : Komunitas Dosen Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32877/bt.v7i2.1906

Abstract

Penelitian ini bertujuan untuk membandingkan efisiensi waktu eksekusi dan penggunaan memori antara dua bahasa pemrograman, yaitu C# dan Java, menggunakan metode benchmarking. Penelitian ini menggunakan dataset berukuran kecil (1 juta data), sedang (5 juta data), dan besar (10 juta data) yang berisi ID, Nama, dan Alamat. Implementasi algoritma pencarian string dilakukan menggunakan binary search pada Java dan C#, dengan pengukuran waktu eksekusi menggunakan fungsi System.nanoTime() (Java) dan Stopwatch (C#). Konsumsi memori diukur menggunakan class Process pada C# dan fungsi totalMemory() serta freeMemory() pada Java. Data diuji dua kali untuk memastikan konsistensi hasil. Hasil pengujian menunjukkan bahwa C# memiliki keunggulan dalam kecepatan waktu eksekusi pada dataset kecil dan sedang, sedangkan Java lebih stabil untuk dataset besar. C# secara konsisten menunjukkan efisiensi dalam pengelolaan thread dan runtime di platform .NET, sedangkan Java memanfaatkan optimasi Just-In-Time (JIT) pada Java Virtual Machine (JVM) untuk performa yang lebih stabil pada dataset besar. Penelitian ini memberikan wawasan penting bagi pengembang perangkat lunak dalam memilih bahasa pemrograman berdasarkan kebutuhan aplikasi mereka. Penelitian lebih lanjut disarankan untuk mencakup evaluasi penggunaan CPU serta pengujian dengan algoritma lainnya untuk memberikan analisis yang lebih komprehensif. Temuan ini diharapkan dapat membantu pengembang dalam membuat keputusan strategis terkait pemilihan teknologi.
Co-Authors Apriwenni, Prima Brastoro Budi, Akhmad Elis Sondang Dasawaty Hadiewijaya, Alvin Luthfiansyah, Raihanda NAUFAL, NAUFAL Putri, Kezia Agatha Sigit Birowo