Article Per Year (5 Year)
p-Index From 2021 - 2026
3.912
P-Index
This Author published in this journals
All Journal Simtek : Jurnal Sistem Informasi dan Teknik Komputer JATI (Jurnal Mahasiswa Teknik Informatika) JOINTECOMS (Journal of Information Technology and Computer Science)
Handrianus Pranatawijaya, Viktor
Unknown Affiliation
Computer Science & IT Electrical & Electronics Engineering Engineering

Published : 31 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 8 Documents
Search
Journal : jointecoms journal of information technology and computer science

 1 
Penerapan Sistem Rekomendasi pada Toko Jajananku Pky Berbasis WEB Geradi Muke, Rio; Christian, Efrans; Handrianus Pranatawijaya, Viktor; Leonardo, Tomas
Journal of Information Technology and Computer Science Vol. 5 No. 1 (2025): JOINTECOMS : Journal of Information Technology and Computer Science
Publisher : Universitas Palangka Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47111/jointecoms.v5i1.10817

Abstract

Industri makanan memiliki peran penting dalam ekonomi, terutama dalam pariwisata kuliner. Banyaknya pilihan menu sering membuat pembeli kebingungan, sehingga diperlukan sistem rekomendasi yang efektif. Penelitian ini mengembangkan sistem rekomendasi berbasis website di Toko Jajananku Pky untuk meningkatkan efisiensi penjualan melalui pola transaksi yang ada.Penelitian ini menggunakan algoritma Apriori untuk mengidentifikasi item-set yang sering muncul dalam data transaksi. Proses ini dinamakan Data Mining penelitian dimulai dari pengumpulan data, preprocessing data, penerapan algoritma Apriori, hingga analisis hasil untuk menyusun strategi penjualan yang lebih efektif. Metode Waterfall diterapkan dalam pengembangan sistem, yang meliputi Requirement atau analisis kebutuhan, desain, implementasi, verifikasi dan maintenance.Hasilnya menunjukkan bahwa sistem rekomendasi berbasis algoritma Apriori berhasil mengidentifikasi pola transaksi yang signifikan, membantu Toko Jajananku Pky menyusun paket menu sesuai preferensi pelanggan. Sistem ini efektif dalam mendukung strategi penjualan dan diharapkan dapat meningkatkan kinerja penjualan di industri makanan. 
Analisis Sentimen Berbasis Aspek dan Deteksi Emosi dari Ulasan Timnas Indonesia di Instagram Artha Pratama, I Made Bayu; Handrianus Pranatawijaya, Viktor; Adidyana Anugrah Putra, Putu Bagus
Journal of Information Technology and Computer Science Vol. 4 No. 4 (2024): JOINTECOMS : Journal of Information Technology and Computer Science
Publisher : Universitas Palangka Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47111/jointecoms.v4i4.10792

Abstract

Olahraga, khususnya sepak bola ini memiliki peran penting dalam memperkuat citra nasional. dalam analisis sentimen dan emosi penggemar. terhadap Timnas Indonesia di piala Asia 2023 melalui komentar Instagram. Sebanyak 96.485 komentar dikumpulkan dan di proses menggunakan teknik Latent Dirichlet Allocation (LDA) untuk indentifikasi topik serta cosine similarity untuk menghubungkan aspek-aspek relevan.Emosi dilabeli menggunakan kamus NRC lexicon, sementara sentimen dianalisis secara manual dan dengan model Indobert, yang menunjukkan akurasi tertinggi, yaitu 97,58%.Hasil penelitian menunjukkan dominasi sentimen positif (74,9%) dengan emosi utama trust dan joy, meski terdapat kritik signifikan terkait hasil pertandingan.Emosi negatif seperti anger dan fear muncul, mencerminkan ketidakpuasan sebagai penggemar.Meskipun mayoritas penggemar merasa puas, terdapat kelompok yang sangat tidak puas dengan kinerja tim. Temuan ini memberikan wawasan bagi pihak terkait untuk meningkatkan performa dan kualitas interaksi dengan penggemar.
SafeTalk: Portal Edukasi dan Konsultasi Pencegahan Narkoba berbasis Website Priyani, Natasya; Revelin Putri, Nadya; Handrianus Pranatawijaya, Viktor; Christian, Efrans
Journal of Information Technology and Computer Science Vol. 3 No. 3 (2023): JOINTECOMS : Journal of Information Technology and Computer Science
Publisher : Universitas Palangka Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47111/jointecoms.v3i3.20408

Abstract

Website Safetalk: Portal Edukasi dan Konsultasi Pencegahan Narkoba dirancang sebagai upaya untuk mengatasi dampak sosial dan ekonomi yang signifikan akibat penyalahgunaan narkoba, khususnya di kalangan generasi muda yang kerap menjadi target utama. Website ini bertujuan untuk menyediakan informasi edukatif yang valid dan kredibel mengenai jenis-jenis narkoba, dampak, serta langkah-langkah pencegahannya, sekaligus memberikan layanan konsultasi berbasis AI yang aman dan anonim. Penelitian ini menggunakan metode pengembangan perangkat lunak SDLC model Waterfall, yang meliputi analisis kebutuhan, desain, implementasi, pengujian, dan pemeliharaan. Data edukasi diintegrasikan melalui API untuk memastikan relevansi dan kemutakhiran informasi. Hasilnya, platform ini mampu menyediakan fitur-fitur yang mendukung pengelolaan data secara terstruktur bagi admin, termasuk integrasi API Gemini untuk distribusi informasi. Bagi pengunjung, website ini menawarkan akses anonim dan konsultasi berbasis chatbot rule-based untuk meningkatkan kesadaran akan bahaya narkoba. Dengan desain sederhana namun fungsional, website ini diharapkan dapat menjadi sarana efektif dalam edukasi dan pencegahan narkoba, menciptakan lingkungan yang aman dan mendukung upaya penanggulangan narkoba di Indonesia.
Rancang Bangun Website Sosialisasi dan Donasi Laut Lestari Indonesia Kevin Adhitya, Fathan; Mayrossi Berlison, Alif; Handrianus Pranatawijaya, Viktor; Hermawan Hasibuan, Liyando
Journal of Information Technology and Computer Science Vol. 3 No. 4 (2023): JOINTECOMS : Journal of Information Technology and Computer Science
Publisher : Universitas Palangka Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47111/jointecoms.v3i4.20954

Abstract

Ekosistem laut Indonesia menghadapi berbagai ancaman serius akibat aktivitas manusia, seperti pencemaran, eksploitasi berlebihan, dan dampak perubahan iklim. Untuk mengatasi permasalahan tersebut, diperlukan peningkatan kesadaran masyarakat dan dukungan aktif dalam aksi konservasi. Penelitian ini bertujuan untuk merancang dan membangun sebuah website Laut Lestari Indonesia yang berfungsi sebagai platform sosialisasi dan donasi guna mendukung pelestarian ekosistem laut di Indonesia. Website ini menyediakan informasi edukatif terkait isu-isu lingkungan laut serta memfasilitasi donasi daring yang transparan dan mudah diakses. Metode pengembangan menggunakan teknologi web berbasis PHP, HTML, CSS, dan JavaScript, dengan fitur utama berupa manajemen konten sosialisasi, sistem donasi digital, serta integrasi media sosial. Hasil akhir menunjukkan bahwa website yang dirancang berhasil memenuhi kebutuhan sebagai media edukasi dan penggalangan dana, serta mampu menjangkau masyarakat umum, akademisi, dan organisasi lingkungan. Dengan antarmuka yang ramah pengguna, platform ini diharapkan dapat memperkuat keterlibatan publik dalam upaya konservasi laut sesuai target SDG 14.
Perancangan Sistem Penyewaan Busana dan Aksesori Pernikahan Berbasis Website pada Oak Galery Ayu Rosamada, Ervina; Licantik, Licantik; Chandra Saputra, Ade; Handrianus Pranatawijaya, Viktor; Ronaldo, Deddy
Journal of Information Technology and Computer Science Vol. 5 No. 2 (2025): JOINTECOMS : Journal of Information Technology and Computer Science
Publisher : Universitas Palangka Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47111/jointecoms.v5i2.22449

Abstract

Perkembangan teknologi informasi telah memberikan pengaruh yang signifikan dalam berbagai aspek kehidupan, termasuk dalam industri fashion. Penyewaan gaun pada butik Oak Gallery memiliki potensi besar namun masih dihadapkan pada berbagai tantangan terkait pengelolaan dan pemasaran yang lebih efektif. Skripsi ini bertujuan untuk menyelesaikan masalah-masalah yang muncul di dalam kegiatan sewa-menyewa yang ada di Oak Gallery dengan merancang sebuah aplikasi penyewaan gaun secara online berbasis web.Penelitian ini bertujuan untuk mengembangkan dua web yang saling terkait, yaitu web customer dan web admin. Web customer dirancang untuk memberikan kemudahan kepada pelanggan dalam melakukan proses penyewaan gaun secara online dengan fitur-fitur yang memudahkan pengguna dalam memilih, memesan, dan melakukan transaksi sewa. Sedangkan web admin dirancang untuk memfasilitasi pihak manajemen Oak Gallery dalam mengelola dan memantau proses penyewaan gaun, serta mengelola inventaris dan data pelanggan.Metodologi pengembangan aplikasi ini menggunakan pendekatan perancangan sistem yang terstruktur, dimulai dari analisis kebutuhan, perancangan aplikasi, pengkodean, hingga pengujian sistem. Selain itu, aplikasi ini dikembangkan dengan memanfaatkan teknologi web modern untuk memastikan kinerja yang optimal dan antarmuka yang ramah pengguna.Hasil dari skripsi ini adalah implementasi aplikasi penyewaan gaun berbasis web yang memenuhi kebutuhan Oak Gallery dalam meningkatkan efisiensi, keterjangkauan, dan pelayanan kepada pelanggan. Diharapkan bahwa aplikasi ini akan membawa manfaat besar dalam memperluas pasar penyewaan gaun dan memberikan pengalaman yang lebih baik bagi pelanggan Oak Gallery.
Rancang Bangun Website Pendaftaran dan Seleksi Penerimaan Beasiswa Bank Indonesia menggunakan Metode Simple Additive Weighting (SAW) Oktha Pikami, Billy; Christian, Efrans; Handrianus Pranatawijaya, Viktor; Karolita, Devi; Leonardo, Tomas
Journal of Information Technology and Computer Science Vol. 5 No. 3 (2025): JOINTECOMS : Journal of Information Technology and Computer Science
Publisher : Universitas Palangka Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47111/jointecoms.v5i3.23147

Abstract

Beasiswa Bank Indonesia merupakan program bantuan dana pendidikan yang ditujukan bagi mahasiswa berprestasi. Namun dalam proses pendaftaran dan seleksi masih dilakukan secara manual dan kurang efisien. Penelitian ini bertujuan untuk merancang dan membangun sistem berbasis website yang dapat memfasilitasi proses pendaftaran dan seleksi penerima beasiswa secara digital. Sistem ini dirancang menggunakan metode Simple Additive Weighting (SAW) dan Weighted Product Method (WPM) untuk membantu proses pengambilan keputusan yang objektif berdasarkan kriteria yang telah ditentukan, seperti IPK, penghasilan orang tua, dan berkas lainnya. Sistem dikembangkan dengan menggunakan bahasa pemrograman PHP dan basis data MySQL serta mengakomodasi tiga jenis pengguna, yaitu pendaftar, pihak kampus, dan admin. Fitur utama dalam sistem meliputi pendaftaran online, pemberian rekomendasi oleh kampus, pengelolaan kriteria dan nilai, serta perhitungan hasil seleksi berdasarkan metode Simple Additive Weighting (SAW) dan Weighted Product Method (WPM). Hasil dari penelitian ini menunjukkan bahwa sistem yang dibangun dapat mempermudah proses seleksi beasiswa, meningkatkan transparansi, serta mengurangi kesalahan manusia dalam pengolahan data dan perhitungan seleksi.
Perbandingan dan Prediksi Ketepatan Pengembalian Buku di Perpustakaan Menggunakan Machine Learning Rijal, Muhammad; Handrianus Pranatawijaya, Viktor; Ronaldo, Deddy; Parhusip, Jadiaman
Journal of Information Technology and Computer Science Vol. 5 No. 4 (2025): JOINTECOMS : Journal of Information Technology and Computer Science
Publisher : Universitas Palangka Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47111/jointecoms.v5i4.25344

Abstract

Penelitian ini bertujuan untuk membandingkan dan memprediksi ketepatan pengembalian buku di perpustakaan menggunakan algoritma machine learning, dengan data historis peminjaman yang mencakup informasi judul buku, tanggal peminjaman, tanggal pengembalian, dan status pengembalian. Empat algoritma yang diterapkan adalah Random Forest, Support Vector Machine (SVM), Decision Tree, dan Gradient Boosting untuk memprediksi ketepatan pengembalian buku, apakah tepat waktu, terlambat, atau tidak dikembalikan. Data penelitian diperoleh dari Perpustakaan MAN 1 Pulang Pisau berupa riwayat peminjaman buku siswa kelas X sampai XII periode Juli 2022 hingga Agustus 2023 dengan total 730 data peminjaman yang melibatkan 643 peminjam. Proses penelitian mencakup pra-pemrosesan data, seperti pembersihan data, pembuatan fitur baru berupa 'Lama Pinjam' yang dihitung dari selisih tanggal pengembalian dan peminjaman, serta pengolahan data kategorikal pada kolom 'Judul Buku' dengan teknik encoding. Data kemudian dibagi menjadi fitur (X) dan target (Y), dengan target berupa status pengembalian buku (tepat waktu, terlambat, atau tidak dikembalikan). Hasil evaluasi menunjukkan bahwa Decision Tree memberikan performa terbaik dengan akurasi sebesar 87%, diikuti oleh Gradient Boosting (86%), Random Forest (85%), dan SVM (73%). Decision Tree terpilih sebagai model terbaik karena memberikan keseimbangan optimal dalam memprediksi semua kategori pengembalian buku dengan macro average F1-score sebesar 0.84. Model ini dapat digunakan oleh pengelola perpustakaan untuk mengidentifikasi buku.
Komparasi Machine Learning dalam Analisis Sentimen Berbasis Aspek dan Deteksi Emosi pada Ulasan Aplikasi Lowongan Kerja Husna Safitri, Hana; Handrianus Pranatawijaya, Viktor; Priskila, Ressa
Journal of Information Technology and Computer Science Vol. 6 No. 1 (2026): JOINTECOMS : Journal of Information Technology and Computer Science
Publisher : Universitas Palangka Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47111/jointecoms.v6i1.25773

Abstract

Seiring meningkatnya penggunaan aplikasi pencari kerja, ulasan pengguna di platform digital menjadi sumber penting untuk mengevaluasi kualitas layanan. Namun, ulasan tersebut sering kali tidak terstruktur dan mengandung ekspresi kompleks. Penelitian ini menerapkan teknik machine learning untuk mengidentifikasi aspek dominan, serta memahami sentimen dan emosi dalam ulasan aplikasi Glints dan Jobstreet dari Google Play Store. Tiga model dibandingkan, yaitu Support Vector Machine (SVM), Random Forest, dan Multinomial Logistic Regression. Data diperoleh melalui scraping, diproses dengan tahapan preprocessing, dan dianotasi menggunakan LDA dan Generative AI untuk aspek, IndoBERT untuk sentimen, serta NRC Emotion Lexicon untuk emosi. Dataset dibagi dalam rasio 80:20 dan 90:10. Hasil menunjukkan bahwa model terbaik untuk klasifikasi aspek adalah SVM (split 90:10) dengan akurasi 97,67%, untuk sentimen adalah Multinomial Logistic Regression (split 90:10) dengan akurasi 94,49%, dan untuk emosi adalah SVM (split 90:10) dengan akurasi 99,46%. Aspek yang paling dominan adalah Pencarian Kerja, diikuti Pengalaman Pengguna. Sentimen ulasan didominasi oleh sentimen positif, dan emosi yang paling sering muncul adalah bahagia. Penelitian ini membantu mengevaluasi kinerja model dan memahami persepsi pengguna terhadap aplikasi pencari kerja.
Co-Authors Ainah, Saripah Ananda Khairunnisa, Puteri Andini, Wafik Annisa, Norul Artha Pratama, I Made Bayu Aryapati Soebagijo, Rafael Ayu Rosamada, Ervina Azmiara Ahmadiham, Ahsana Cahya Kamilla, Adinda Chandra Saputra, Ade Christian Rufus, Edward Cristian Harati, Cadeck Delon Pratama, Ryan Desta Aditia, Veven Dewi Masitoh, Reina Dhia Yusrana, Rafif Dwiwicaksono, Ardhy Efrans Christian Eleazar Rangin, Adriel Fajari, Rizqi Geradi Muke, Rio Herawati, Naeni Hermawan Hasibuan, Liyando Husna Safitri, Hana Intani Sihite, Putri Jadiaman Parhusip, Jadiaman Jordan, Yogi Karolita, Devi Kevin Adhitya, Fathan Leonardo, Tomas Licantik, Licantik Lusia Kiareni, Cindi Maharani, Audry Mayrossi Berlison, Alif Nazarius, Atong Nova Noor Kamala Sari Novia Fitriani Nugraha Hasibuan, Dicky Nur Chusnul Khotimah, Yusie Nur Safa, Yunisa Nurdin Nurdin Oktha Pikami, Billy Patimah, Yulia Pratama, Jonathan Priskila, Ressa Priyani, Natasya Puspita Florensia, Nela Putra, Putu Bagus Adidyana Anugrah Ramanda Kalawa Putri, Maria Re Manuel Putra Sihombing, Thomas Revelin Putri, Nadya Rijal, Muhammad Rizkyaka Riyadi, Raydamar Ronaldo, Deddy Rueh Daya Leluni, Ekat Saputra, Ferry Sihite, Putri Simorangkir, Anastasya Sinta Septiani, Clara Sorisa, Cinda Stevans, Glend Timothy Souk, Jeremy Valentine, Virginia Widiatry, Widiatry Widya Mutiara Alamsyah, Kharisma Winoto, Depro Yosia Wibowo, Lucky Yukandri, Yukandri