Article Per Year (5 Year)
p-Index From 2020 - 2025
2.642
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Informasi dan Ilmu Komputer Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Mathematics Education Journal
Indriati
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering Mathematics Other

Published : 20 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 20 Documents
Search

 1   2 
Analisis Sentimen Pengguna Jalan Tol Tangerang – Merak dengan Metode Naïve Bayes dan Seleksi Fitur Query Expansion Ranking Firdausi, Fathina Atsila; Indriati; Ridok, Achmad
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 3 (2024): Maret 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Jalan tol Tangerang – Merak, yang menghubungkan wilayah Tangerang Barat hingga ujung barat Pulau Jawa, memiliki peran krusial dalam mendukung konektivitas dan menjadi jalur logistik vital antara Pulau Jawa dan Sumatera. Sejak diberlakukannya perluasan lajur dan penyesuaian tarif terbaru, berbagai opini pengguna jalan tol Tangerang – Merak muncul, terutama di media sosial seperti Instagram. Opini-opini ini tercermin melalui analisis sentimen, mempertimbangkan normalisasi kata-kata slang yang banyak digunakan dalam komentar Instagram. Penelitian ini mengimplementasikan metode Naïve Bayes serta seleksi fitur Query Expansion Ranking (QER). Hasil pengujian menggunakan 5-folds cross validation dengan 250 data komentar menunjukkan rasio pengujian fitur berperan penting pada kinerja model. Pada rasio penggunaan fitur 100%, model mencapai kinerja optimal dengan akurasi 0.884, dan pada rasio 80% menunjukkan performa lebih baik dengan akurasi 0.892. Pengujian selanjutnya pada normalisasi kata slang meningkatkan performa model dengan akurasi 0.884, sementara model tanpa normalisasi menghasilkan akurasi 0.872. Sentimen opini pengguna jalan tol Tangerang – Merak dari 50 data komentar cenderung negatif dengan persentase 60%, dan positif 40%.
Perancangan Sistem Pendukung Keputusan Pemilihan Menu Pendamping ASI Dengan Metode MOORA Hartawan, Alan; Indriati; Santoso, Edy
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 4 (2024): April 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Perkembangan optimal bayi sangat ditentukan oleh asupan nutrisi yang memadai. Makanan Pendamping Air Susu Ibu (MP-ASI) merupakan makanan atau minuman khusus yang dirancang untuk anak-anak berusia 6-24 bulan agar kebutuhan gizi mereka terpenuhi. Salah satu tantangan utama dalam pemberian MP-ASI adalah kecenderungan ibu untuk mengandalkan kebiasaan lama dalam memilih menu, sementara kurangnya pemahaman tentang nutrisi seringkali mengakibatkan defisiensi gizi pada bayi. Banyak orang tua yang masih memilih menu makanan berdasarkan metode tradisional, yang mungkin tidak efektif dalam menyediakan nutrisi yang cukup untuk bayi. Tujuan dari penelitian ini adalah untuk merancang sebuah sistem pendukung keputusan yang mendukung pemilihan menu Makanan Pendamping Air Susu Ibu (MP-ASI) dengan memanfaatkan metode MOORA. Dalam penelitian ini, kriteria seperti asupan karbohidrat, protein, dan lemak harian menjadi fokus utama. Sistem pendukung keputusan berbasis web telah dirancang menggunakan bahasa pemrograman PHP dan framework Laravel, dengan MySQL sebagai sistem basis data. Rekomendasi dari sistem untuk bayi yang berusia 7 bulan menunjukkan bahwa bubur kentang ayam memperoleh skor preferensi tertinggi, yaitu -0.046. Melalui pengujian blackbox, sistem telah terbukti berfungsi sesuai dengan harapan. Berdasarkan hasil pengujian blackbox, sistem beroperasi dengan efisien dan sesuai fungsinya. Selain itu, skor dari pengujian User Acceptance Testing (UAT) mencapai 91,8%, masuk dalam kategori 80% - 100% yang berarti "sangat setuju", menunjukkan penerimaan yang baik dari pengguna terhadap sistem ini.
Analisis Sentimen Opini Masyarakat Terhadap Fenomena TikTokShop di Indonesia Menggunakan Metode K-Nearest Neighbor berbasis N-gram dengan Seleksi Fitur Information Gain Mahendra, Zianka; Indriati; Ridok, Achmad
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 5 (2024): Mei 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

TikTokShop merupakan fitur terbaru yang diperkenalkan dalam platform TikTok. Di tengah popularitasnya yang sedang melonjak pemerintah Indonesia secara mendadak mengambil keputusan untuk menutup akses ke fitur ini. Keputusan ini telah menyebabkan masyarakat memiliki pandangan tersendiri terhadap suatu kebijakan pemerintah baik itu positif (mendukung) ataupun negatif (menyangkal). Opini masyarakat terhadap TikTokShop tersebar luas di media sosial, termasuk dalam kolom komentar pada platform youtube yang sangat masif diperbincangkan. Analisis Sentimen menjadi kunci untuk memahami pandangan mendalam masyarakat terhadap kebijakan ini. Analisis Sentimen pada penelitian ini menggunakan kombinasi metode K-Nearest Neighbors (KNN) berbasis N-Gram dan Information Gain sebagai seleksi fitur. Fitur N-Gram yang digunakan dalam penelitian ini adalah fitur Unigram, Bigram dan Gabungan Unigram-Bigram. Berdasarkan pengujian yang telah dilakukan, didapatkan hasil bahwa nilai terbaik terdapat pada fitur Unigram dan nilai threshold yang digunakan adalah 100%, menghasilkan akurasi sebesar 89%, dengan recall 89%, Precision sebesar 89.00%, dan F-Measure sebesar 89.00%. Berdasarkan temuan tersebut, dapat disimpulkan bahwa dalam menganalisis sentimen opini masyarakat Indonesia terhadap TikTokShop, metode K-Nearest Neighbor (KNN) dengan fitur Unigram dan tanpa seleksi fitur Information Gain memberikan hasil terbaik.
Perbandingan Kinerja Model YOLOv6 dan YOLOv7 dalam Mendeteksi Sampah Perairan Kirana, Naufal Laksana; Kurnianingtyas, Diva; Indriati
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 13 (2024): Publikasi Khusus Tahun 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Naskah ini akan diterbitkan di Jurnal Internasional INASS
Penerapan Metode Moving Average dan Exponential Smoothing pada Peramalan Indeks Pembangunan Manusia di Provinsi Papua Pegunungan Fauzan, M. Sabran; Indriati; Santoso, Edy
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 6 (2024): Juni 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Indeks Pembangunan Manusia (IPM) adalah indikator penting untuk mengukur capaian pembangunan manusia di suatu wilayah. Provinsi Papua Pegunungan, sebagai provinsi baru di Indonesia, menghadapi tantangan dalam meningkatkan IPM di seluruh kabupatennya. Penelitian ini bertujuan untuk menguji dan membandingkan kinerja model peramalan time series dalam memprediksi IPM di Provinsi Papua Pegunungan. Data yang digunakan meliputi IPM dan komponen pembentuknya (Angka Harapan Hidup, Harapan Lama Sekolah, Rata-Rata Lama Sekolah, dan Pengeluaran Per Kapita) dari tahun 2010 hingga 2023. Empat model peramalan diuji: Weighted Moving Average (WMA), Exponential Moving Average (EMA), Double Exponential Smoothing (DES), dan Triple Exponential Smoothing (TES). Kinerja model dievaluasi menggunakan Mean Absolute Percentage Error (MAPE) dan Mean Absolute Deviation (MAD). Hasil pengujian menunjukkan bahwa model EMA dengan nilai α optimal 0,9 memberikan kinerja terbaik dengan rata-rata MAPE 0,46% dan MAD 0,18. Model WMA dengan periode 2 dan bobot 0,9 menunjukkan kinerja baik dengan rata-rata MAPE 1,1% dan MAD 0,45. Model DES dengan nilai α optimal 0,3 memiliki rata-rata MAPE 1,15% dan MAD 0,49, sedangkan model TES dengan α optimal 0,2 memiliki rata-rata MAPE 1,83% dan MAD 0,79. Analisis sensitivitas menunjukkan bahwa Rata-Rata Lama Sekolah adalah indikator paling berpengaruh terhadap IPM. Proyeksi IPM 10 tahun ke depan menggunakan model EMA menunjukkan tren peningkatan IPM di semua kabupaten.
Kombinasi Hasil Inferensi Algoritma YOLOv8 dan Faster R-CNN dalam Isnpeksi Kualitas Underbody Mobil (Studi Kasus Pada Perusahaan Otomotif Indonesia) Abilo, Nelson Alfons; Indriati; Perdana, Rizal Setya
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 13 (2024): Publikasi Khusus Tahun 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Naskah ini akan diterbitkan di Konferensi Internasional SIET
Perancangan User Experience Aplikasi Penjualan Properti Dengan Metode Human Centered Design (HCD) Studi Kasus: PT. Cakrawala Agrapana Indonesia Dhamara, Helmi; Muslimah Az-Zahra, Hanifah; Indriati
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 8 (2024): Agustus 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

PT. Cakrawala Agrapana Indonesia merupakan perusahaan yang bergerak di bidang konstruksi dan bangunan yang mempunyai proyek perumahan bernama The Arya. Dalam 2 tahun terakhir sejak 2022, perusahaan memiliki penurunan penjualan yang menyebabkan cash flow perusahaan menjadi kurang sehat. Setelah diidentifikasi peneliti, perusahaan tersebut memiliki masalah pada pemasaran. PT. Cakrawala Agrapana Indonesia hanya menggunakan teknik pemasaran secara konvensional dan masih biasa yaitu dengan cara sebar brosur secara offline, door-to-door selling, dan event pameran properti. Perusahaan belum merambah ke dunia digital yaitu promosi dengan menggunakan media website dikarenakan tidak adanya ekosistem. Dari permasalahan tersebut, peneliti membuat perancangan website pemasaran produk properti The Arya menggunakan metode Human-Centered Design (HCD). Metode HCD melibatkan pengguna dan stakeholder dalam prosesnya, sehingga hasil yang dihasilkan sesuai dengan kebutuhan dan keinginan mereka. Alur HCD yang pertama adalah dengan menganalisa kebutuhan pengguna yang dimulai dari observasi serta wawancara terhadap stakeholder dan pengguna. Setelah melakukan tahap tersebut, peneliti dapat mengetahui masalahnya dan dapat dijadikan dasar untuk membuat desain solusi. Hasil dari desain solusi yaitu berupa mockup dan prototype. Setelah mendapatkan desain solusi, peneliti akan melakukan pengujian untuk memastikan apakah desain solusi tersebut mampu menyelesaikan permasalahan yang ada. Berdasarkan hasil usability testing yang telah dilakukan, diketahui bahwa desain pada perancangan memiliki hasil yang cukup baik. Pada pengujian usability akan dilakukan oleh 8 responden. Pengguna akan diminta untuk menyelesaikan tugas berdasarkan skenario yang telah dibuat. Hasil pengujian aspek efektivitas pada penelitian memiliki nilai success rate sebesar 93.75%. Untuk aspek efisiensi pengguna memiliki hasil time based efficiency sebesar 0.282 goals/detik. Hasil perhitungan System Usability Scale pada penelitian ini yaitu sebesar 90.625 dimana skor tersebut termasuk ke dalam kategori tingkat A dengan adjective rating excellent.
Perbandingan Metode IndoBERT Dengan CNN Untuk Analisis Sentimen Berbasis Aspek Terhadap Ulasan Pelanggan (Studi Kasus : Hotel Indonesia Kempinski Jakarta Pada Website Travel Agent Tiket.Com) Putra Pratama, Ferdiansyah; Indriati; Ridok, Achmad
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 10 (2024): Oktober 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Saat ini banyak perusahaan yang menyediakan informasi mengenai akomodasi dan pemesanan hotel yang terdapat di berbagai kota di seluruh dunia, sebagai contoh adalah Tiket.com. Melalui situs Tiket.com, pengunjung dapat membaca berbagai ulasan dari setiap pengunjung yang menginap di hotel-hotel tertentu. Salah satu hotel yang telah eksis lama di Indonesia dan memiliki banyak pelanggan baik domestik maupun mancanegara adalah Hotel Indonesia Kempinski di Jakarta. Ulasan ini seringkali digunakan sebagai sumber informasi bagi para wisatawan untuk memilih tempat singgah saat dalam perjalanan. Dengan beragamnya ulasan yang dituliskan oleh customer pada website tersebut, terkadang ada beberapa ulasan yang makna kalimatnya tidak sesuai dengan yang terpetakan aspeknya. Untuk menguji kesesuaian ulasan dengan pemetaan aspeknya serta aspek yang perlu dilakukan perbaikan layanan maka dilakukan analisis sentimen berbasis aspek menggunakan IndoBERT & CNN. Hasil yang diperoleh adalah terdapat beberapa ketidaksesuaian antara pemetaan aspek di website dengan makna ulasan yang dituliskan. Selain itu, setelah dianalisis sentimennya maka aspek kebersihan perlu ditingkatkan karena memiliki sentimen ulasan negatif terbanyak sebesar 63 dari total 245 review. Kemudian, setelah dilakukan pengujian algoritma CNN memiliki akurasi paling tinggi untuk pemetaan aspek dengan prosentase 89.83% dibandingkan algoritma IndoBERT yang memiliki nilai akurasi 77.22%.
Rekomendasi Menu dengan Bahan Makanan Alternatif Berdasarkan Kategorisasi Nutrisi menggunakan K-Means dan BERT Naufal, Muhammad Jilan; Kurnianingtyas, Diva; Indriati
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 13 (2025): Publikasi Khusus Tahun 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Naskah ini akan diterbitkan di jurnal Applied Clinical Informatics
Analisis Sentimen Berita Pemblokiran TikTok Shop Pada Kolom Komentar YouTube Menggunakan Long-Short Term Memory Hibatullah, Farras Husain; Indriati; Adikara, Putra Pandu
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 1 (2025): Januari 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Di era modern ini, penggunaan internet dan media sosial tumbuh pesat, dengan platform seperti TikTok dan YouTube menjadi bagian penting dari kehidupan sehari-hari, khususnya di Indonesia. Baru-baru ini, pemblokiran TikTok Shop memicu perdebatan publik yang signifikan, berdampak pada pengguna, kreator, dan pelaku bisnis. Kebijakan ini menimbulkan berbagai tanggapan yang disampaikan melalui komentar di video YouTube terkait. Oleh karena itu, penelitian diperlukan untuk memahami sentimen publik mengenai isu ini melalui analisis sentimen. Penelitian ini berfokus pada analisis sentimen menggunakan Long-Short Term Memory (LSTM) untuk memberikan pemahaman tentang pandangan publik terhadap kebijakan tersebut, baik yang mendukung maupun menolak, serta memberikan masukan bagi pemerintah. Model LSTM dipilih karena kemampuannya dalam mempertahankan informasi jangka panjang dan berurutan. Penelitian ini juga mengeksplorasi pengaruh hyperparameter, seperti jumlah hidden unit, jenis optimizer, batch size, learning rate, dan jumlah epoch terhadap performa model LSTM. Hasil penelitian menunjukkan bahwa model LSTM mampu menghasilkan analisis sentimen yang cukup baik. Secara khusus, model LSTM dengan 32 hidden unit, Adam optimizer, learning rate sebesar 0,0001, batch size 64, dan 25 epoch mencapai accuracy 0,8128, precision 0,8180, recall 0,8128, dan f1-score 0,8119. Untuk hasil pengujian proses stemming dan juga pengubahan kata tidak baku memberikan hasil yang kurang signifikan dalam analisis sentimen pemblokiran TikTok Shop pada kolom komentar YouTube. Kata kunci: Analisis Sentimen, Long-Short Term Memory (LSTM), TikTok, TikTok Shop, YouTube, Word2Vec
Co-Authors Abilo, Nelson Alfons Achmad Ridok Agus Wahyu Widodo Agus Wahyu Widodo, Agus Wahyu Andrea, Amalia Reani Bayu Priyambadha Budi Darma Setiawan Dhamara, Helmi Dhiya'uddin, Muhammad Faishal Edy Santoso Fauzan, M. Sabran Firdausi, Fathina Atsila Firman Yasin, Satferisnan Qoris Hartawan, Alan Hibatullah, Farras Husain Kirana, Naufal Laksana Kurnianingtyas, Diva Mahendra, Andika Raka Mahendra, Zianka Muslimah Az-Zahra, Hanifah Naufal, Muhammad Jilan Perdana, Rizal Putra Pandu Adikara Putra Pratama, Ferdiansyah Putra, Octo Perdana Ramadani, Rifki RAMADHAN, ADITYA RIZKY Rizal Setya Perdana Salsabila Sangdiva Laksono, Khansa Setya Perdana, Rizal Yusuf Hartono Zulhilmi, Anshar