Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika) JOINTECOMS (Journal of Information Technology and Computer Science)
Winoto, Depro
Unknown Affiliation
Computer Science & IT

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
ANALISIS SENTIMEN PADA ULASAN PENGGUNA TERHADAP APLIKASI PEMBELAJARAN BAHASA DUOLINGO: MENGGUNAKAN ALGORITMA NAÏVE BAYES DAN K-NEAREST NEIGHBOR Winoto, Depro; Desta Aditia, Veven; Sorisa, Cinda; Priskila, Ressa; Handrianus Pranatawijaya, Viktor
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 3 (2024): JATI Vol. 8 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i3.9647

Abstract

Teknologi telah mengubah cara belajar bahasa, dengan populernya aplikasi seperti Duolingo di era digital. Studi ini diharapkan mampu untuk menganalisis reaksi pengguna terhadap aplikasi Duolingo, serta membandingkan keefektifan dan keefisienan algoritma yang berbeda antara Naive Bayes dengan K-Nearest Neighbors berdasarkan review pada Google Play Store. Data dikumpulkan menggunakan teknik web scraping, kemudian dilakukan serangkaian prosedur pre-processing. Setelah diproses, ulasan tersebut secara otomatis diklasifikasikan sebagai positif atau negatif menggunakan algoritma Naive Bayes dan K-Nearest Neighbors. Berdasarkan hasil analisis, Naive Bayes (NB) menunjukkan peningkatan akurasi yang lebih baik dari K-Nearest Neighbors (KNN), dengan akurasi 92%, presisi 93%, dan recall 92% untuk Naive Bayes (NB) dan akurasi 88%, presisi 91%, dan recall 90% untuk K-Nearest Neighbors (KNN) berdasarkan penelitian yang telah dilakukan.
Pengembangan Website Edukasi dan Deteksi Stress Dini pada Mahasiswa Iqbal, Ahmad; Winoto, Depro; Priskila, Ressa; Widiatry, Widiatry
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.v3i4.20944

Abstract

Mahasiswa merupakan kelompok yang rentan mengalami stres akibat tuntutan akademis, tekanan sosial, dan perubahan gaya hidup. Deteksi dini terhadap stres diperlukan untuk mengidentifikasi gejala awal dan mencegah dampak buruk terhadap kesehatan mental. Laporan ini memaparkan pengembangan sebuah website berbasis teknologi modern yang bertujuan untuk memberikan edukasi sekaligus mendeteksi stres dini pada mahasiswa.Metode yang digunakan dalam pengembangan adalah Waterfall, meliputi analisis kebutuhan, perancangan sistem menggunakan Figma dan Draw.io, implementasi dengan Visual Studio Code, Node.js, serta Bootstrap, dan pengujian menggunakan metode Blackbox Testing. Untuk mengukur tingkat stres, digunakan metode Depression Anxiety Stress Scales (DASS-42). Website ini dirancang memiliki fitur utama seperti deteksi stres, edukasi kesehatan mental, serta komunitas interaktif yang memungkinkan pengguna berbagi cerita.Hasil pengembangan menunjukkan bahwa website ini dapat membantu mahasiswa mengenali tingkat stres dan menyediakan informasi untuk mengelola stres dengan lebih baik. Diharapkan, website ini dapat meningkatkan kesadaran mahasiswa terhadap pentingnya kesehatan mental dan menjadi langkah awal dalam pencegahan gangguan mental yang lebih serius.
Co-Authors Desta Aditia, Veven Handrianus Pranatawijaya, Viktor Iqbal, Ahmad Priskila, Ressa Sorisa, Cinda Widiatry, Widiatry