Article Per Year (5 Year)
p-Index From 2021 - 2026
2.677
P-Index
This Author published in this journals
All Journal Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Jurnal Sistem Informasi, Teknologi Informasi, dan Edukasi Sistem Informasi (JUST-SI)
Yudi Setiawan, Nanang
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering

Published : 19 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 19 Documents
Search

 1   2 
Efisensi Penggunaan Raw Query dan ORM pada Ekosistem Node.js Wibowo Jati, Arya; Pinandito, Aryo; Yudi Setiawan, Nanang
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 8 (2025): Agustus 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Pada era transformasi digital, Application Programming Interface (API) menjadi komponen penting dalam operasional aplikasi modern, dengan response time sebagai indikator utama performa yang sering dijadikan acuan dalam Service Level Objectives (SLO). Salah satu faktor yang memengaruhi performa API adalah metode interaksi database. Penelitian ini membandingkan dua metode yang umum digunakan, yaitu Raw Query dan Object-Relational Mapping (ORM), dalam konteks pengembangan API di ekosistem Node.js. Studi kasus dilakukan pada aplikasi dengan fitur seperti platform Medium. Pengujian dilakukan menggunakan K6 dengan 100 sampel untuk operasi read dan write. Data dianalisis dengan uji Shapiro–Wilk dan Mann–Whitney U. Hasil menunjukkan bahwa data tidak berdistribusi normal serta terdapat perbedaan signifikan antara kedua metode. Median digunakan sebagai acuan pembanding efisiensi karena lebih tahan terhadap outlier. Pada operasi read, Raw Query mencatat 3,48 ms dan ORM 4,93 ms. Pada operasi write, Raw Query 4,82 ms dan ORM 6,26 ms. Temuan menunjukkan bahwa Raw Query lebih efisien dari sisi response time, sehingga lebih disarankan untuk sistem dengan kebutuhan performa yang tinggi.
Segmentasi Respon Leads Terhadap Kampanye Digital Menggunakan DBSCAN: Studi Kasus Pada Perusahaan Asuransi Jiwa X Kusumawardhani, Firda; Hadi Wijoyo, Satrio; Yudi Setiawan, Nanang
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 JUST-SI
Analisis Sentimen Persepsi Publik Terhadap Film “Ice Cold : Murder, Coffee, and Jessica Wongso” Menggunakan Metode Long Short Term Memory Aulia, Muhammad Rafli; Septriayadi Sianturi, Riswan; Yudi Setiawan, Nanang
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 Konferensi Internasional ICOMIT
Analisis Sentimen Ulasan Pengguna Aplikasi PUBG Mobile Menggunakan Karakteristik Quality in Use: Effectiveness and Satisfaction Adinda Prana Putri, Maitsa; Yudi Setiawan, Nanang; Trias Hanggara, Buce
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 10 (2025): Oktober 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Evaluasi terhadap kualitas aplikasi berbasis ulasan pengguna menjadi penting untuk memahami persepsi dan pengalaman pengguna. Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna aplikasi PUBG Mobile dengan fokus pada dua aspek Quality in Use menurut ISO/IEC 25010, yaitu effectiveness dan satisfaction. Penelitian ini berfokus pada ulasan pengguna dari 14 September 2024 hingga 14 November 2024 dengan ulasan berbahasa Inggris. Data sebanyak 2.322 ulasan diambil dari Google Play Store menggunakan library google-play-scraper. Proses pelabelan sentimen dilakukan secara otomatis menggunakan pendekatan berbasis leksikon melalui SentiWordNet, sedangkan pelabelan aspek dilakukan dengan kamus aspek yang disusun secara manual. Data kemudian direpresentasikan dalam bentuk numerik menggunakan metode TF-IDF, yang selanjutnya diklasifikasikan menggunakan algoritma Support Vector Machine (SVM). Hasil analisis menunjukkan bahwa dari total ulasan yang dianalisis, sebagian besar pengguna memberikan sentimen positif terhadap kedua aspek, dengan persentase mencapai 59,82% untuk aspek effectiveness, dan pada aspek satisfaction mencapai persentase 87,68%. Terdapat 319 sentimen negatif dan 475 sentimen positif untuk aspek effectiveness, sementara itu terdapat 117 sentimen negatif dan 833 sentimen positif untuk aspek satisfaction. Evaluasi dilakukan dengan metode K-Fold Cross Validation sebanyak 10 fold untuk mengukur kinerja model menghasilkan rata-rata sebesar 83,15%, serta confusion matrix pada rasio data latih dan data uji 90:10 untuk melihat distribusi hasil klasifikasi menunjukkan akurasi sebesar 82%.
Pengelompokan Aspek Opini Publik Terhadap Penggunaan Jasa Joki Akademik Pada Media Sosial X, Youtube dan Tiktok Menggunakan BERTopic Umar Basher, Nizar; Yudi Setiawan, Nanang; Rahayudi, Bayu
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 10 (2025): Oktober 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Fenomena jasa joki akademik yang mencakup praktik penyelesaian tugas, skripsi, dan ujian oleh pihak ketiga semakin marak dibicarakan di media sosial. Penelitian ini bertujuan untuk mengelompokkan aspek-aspek opini publik terhadap jasa joki akademik menggunakan pendekatan BERTopic. Data diperoleh dari 7.201 komentar publik yang dikumpulkan dari platform X (1.678 data), YouTube (3.640 data), dan TikTok (1.883 data). Tahapan analisis mencakup preprocessing, embedding dengan model IndoBERT, reduksi dimensi menggunakan UMAP, klasterisasi dengan HDBSCAN, serta ekstraksi topik menggunakan c-TF-IDF. Hasil dari proses ini menunjukkan bahwa opini publik dapat dikategorikan ke dalam sepuluh aspek utama, yaitu promosi dan akses informasi (X: 22 topik, YouTube: 20 topik, TikTok: 19 topik), etika dan moralitas (X: 9 topik, YouTube: 5 topik, TikTok: 4 topik), aksesibilitas dan kebutuhan (X: 7 topik, YouTube: 16 topik, TikTok: 7 topik), serta faktor psikologis dan emosional (X: 2 topik, YouTube: 11 topik, TikTok: 5 topik). Sementara itu, aspek legalitas dan risiko hukum hanya muncul pada 1 topik di YouTube dan 2 topik di TikTok, dan tidak ditemukan pada data X. Temuan ini mengindikasikan bahwa isu promosi dan kebutuhan praktis lebih menonjol dalam diskursus publik, sementara kesadaran terhadap aspek hukum masih rendah. Penelitian ini berkontribusi dalam pemetaan tematik opini publik berbasis media sosial serta menjadi pijakan awal untuk formulasi kebijakan etik dan edukatif di lingkungan pendidikan tinggi.
Aspek Kesadaran Masyarakat tentang Penyakit Sirosis Hati berdasarkan Analisis Sentimen pada Media Sosial X dan TikTok Debora, Alexandry; Yudi Setiawan, Nanang; Nur Rusyidi, Alfi
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 12 (2025): Desember 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Sirosis hati merupakan penyakit kronis dengan tingkat mortalitas tinggi dan masih menjadi tantangan kesehatan masyarakat. Di ranah digital, perhatian publik terhadap penyakit ini tercermin melalui unggahan media sosial yang berisi opini, pengalaman pribadi, maupun informasi yang belum terverifikasi. Penelitian ini bertujuan menganalisis sentimen dan aspek tematik yang berkembang dalam percakapan mengenai sirosis hati pada platform X dan TikTok. Metode yang digunakan mencakup text mining, pemodelan topik dengan Latent Dirichlet Allocation (LDA), pelabelan sentimen menggunakan leksikon InSet, GPT, dan validasi manual, serta klasifikasi menggunakan Support Vector Machine (SVM). Proses analisis diawali dengan pengumpulan data menggunakan Tweet-Harvest v2.6.1 dan TikTok Scraper, dilanjutkan dengan tahap preprocessing, pembobotan TF-IDF, identifikasi topik, serta evaluasi model menggunakan confusion matrix. Model SVM mencapai akurasi 83% dalam mengklasifikasikan sentimen. Selain itu, root cause analysis menunjukkan bahwa terdapat 12 akar permasalahan yang membentuk persepsi negatif masyarakat, yang terkelompok ke dalam tiga aspek utama: faktor penyebab dan komplikasi, pengetahuan dan pengalaman, serta manajemen dan edukasi pengelolaan penyakit. Temuan ini memberikan gambaran menyeluruh mengenai pola persepsi publik dan dapat menjadi pertimbangan dalam perumusan strategi komunikasi kesehatan di era digital.
Profil Pelanggan Dengan Analisis Klasterisasi Menggunakan Pendekatan Model CRISP-DM (Studi Kasus : Telkom Regional 3 Witel Jatim Barat) Arsapradhana, Naufal; Hadi Wijoyo, Satrio; Yudi Setiawan, Nanang
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 13 (2026): Publikasi Khusus Tahun 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Naskah ini akan diterbitkan di JITECS
Analisis Komparatif Sentimen Berbasis Aspek Pada Ulasan Konsumen Café: Studi Perbandingan Model Bahasa Gemma Dan Indobert-Svm Naibaho, Dwi Oktaviani; Yudi Setiawan, Nanang; Cahya Astriya Nugraha, dwi
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 12 (2025): Desember 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Perkembangan platform ulasan daring seperti Google Maps menghasilkan data opini konsumen dalam jumlah besar yang berpotensi dimanfaatkan untuk evaluasi layanan bisnis kuliner. Namun, kompleksitas bahasa ulasan dan keberagaman aspek yang dibahas menimbulkan tantangan dalam analisis sentimen. Penelitian ini bertujuan untuk melakukan analisis sentimen berbasis aspek (Aspect-Based Sentiment Analysis/ABSA) pada ulasan konsumen Café XYZ. Untuk mendukung analisis, IndoBERT-SVM menjadi metode yang canggih dengan kombinasi antara model bahasa IndoBERT yang unggul dalam memahami konteks Bahasa Indonesia dengan algoritma klasifikasi Support Vector Machine (SVM) untuk menghasilkan prediksi yang akurat. Namun, seiring pesatnya evolusi NLP, model bahasa skala besar (Large Language Models/LLMs) generasi baru seperti Gemma yang dikembangkan oleh Google menawarkan pendekatan alternatif dengan kemampuan pemahaman konteks dan bahasa informal yang lebih fleksibel. Penelitian ini menerapkan ABSA berbasis model DINESERV serta membandingkan kinerja IndoBERT–SVM dan Gemma. Evaluasi dilakukan menggunakan metrik accuracy, precision, recall, F1-score, dan error rate. Hasil penelitian menunjukkan bahwa IndoBERT–SVM dengan kernel linear mencapai akurasi 95%, sementara Gemma memperoleh akurasi 94% dengan keunggulan dalam pemahaman konteks. Penelitian ini diharapkan menjadi referensi dalam pengembangan ABSA berbahasa Indonesia dengan memanfaatkan model bahasa modern.
Evaluasi Kualitas Aplikasi Fintech Berdasarkan Aspek Usability dan Reliability Menggunakan IndoBERT (Studi Kasus: OVO) Febia Santhika Adrin; Yudi Setiawan, Nanang; Dian Eka Ratnawati
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 4 (2026): April 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Perkembangan financial technology (fintech) mendorong peningkatan penggunaan aplikasi dompet digital di Indonesia, sehingga ulasan pengguna pada Google Play Store merepresentasikan pengalaman nyata terhadap kualitas aplikasi sebagai produk perangkat lunak. Peningkatan jumlah pengguna tidak selalu diikuti oleh peningkatan kualitas aplikasi, terutama pada aspek usability dan reliability yang berpengaruh terhadap kenyamanan dan kepercayaan pengguna. Penelitian ini bertujuan mengevaluasi kualitas aplikasi fintech sebagai software product berdasarkan standar ISO/IEC 25010 pada dimensi product quality dengan penekanan pada aspek usability dan reliability, serta menganalisis kinerja model IndoBERT dalam klasifikasi sentimen. Penelitian ini menggunakan aplikasi dompet digital OVO sebagai objek kajian dengan sumber data berupa ulasan pengguna di Google Play Store. Pendekatan Aspect-Based Sentiment Analysis (ABSA) diterapkan pada level kalimat-aspek menggunakan model IndoBERT hasil fine-tuning. Hasil analisis menunjukkan dominasi sentimen negatif sebesar 83,4% dari total 2.635 pasangan kalimat-aspek. Aspek usability menunjukkan sentimen negatif sebesar 82,76%, sedangkan aspek reliability menunjukkan sentimen negatif sebesar 86,98%. Model IndoBERT hasil fine-tuning mencapai akurasi sebesar 90,43% dan menunjukkan kinerja yang reliabel dalam analisis sentimen berbasis aspek. Temuan penelitian menunjukkan efektivitas pemanfaatan ulasan pengguna untuk evaluasi empiris kualitas aplikasi fintech secara objektif dan terukur.
Co-Authors Abdurrahman Airlangga, Aria Abrori, Arum Adinda Prana Putri, Maitsa Adrian Firmansah, Dani Agung Wicaksono, Satrio Arsapradhana, Naufal Aryo Pinandito Aulia, Muhammad Rafli Bayu Rahayudi Cahya Astriya Nugraha, Dwi Dafa Hermawan, Muhamad Debora, Alexandry Dian Eka Ratnawati Dwi Putra, Alvianta Fauziah Azzahra, Salma Febia Santhika Adrin Hadi Wijoyo, Satrio Hendrakusma Wardani, Niken Kusumawardhani, Firda Meykasari, Aldhila Naibaho, Dwi Oktaviani Nur Rusyidi, Alfi Pranata, Furqan Maulana Purnomo, Welly Satrio Agung Wicaksono Septriayadi Sianturi, Riswan Sukmawati, A'inun syah fauzan putra, rizal akbar Trias Hanggara, Buce Tyroni Mursityo, Yusi Umar Basher, Nizar Wibowo Jati, Arya