Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal Progresif: Jurnal Ilmiah Komputer
Nugroho, Adi
Universitas Kristen Satya Wacana
Computer Science & IT Control & Systems Engineering

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Uji Akurasi Penggunaan Metode KNN dalam Analisis Sentimen Kenaikan Harga BBM pada Media Twitter Arifin, Andrean Jonathan; Nugroho, Adi
Progresif: Jurnal Ilmiah Komputer Vol 19, No 2: Agustus 2023
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/progresif.v19i2.1288

Abstract

The government in an effort to run the government is inseparable from the policies that must be made and taken. One policy alone can attract diverse sentiments from society. Based on this, this study was made to analyze public sentiment towards government policies, especially government policies regarding fuel price hikes. In this study, the analysis process using the K-Nearest Neighbor algorithm classifies tweets from Twitter into two categories, namely positive and negative. The research stages started from crawling data, data preprocessing, labeling, classification using the KNN algorithm, and evaluation. With an accuracy of 94.33% in classifying data. With the results of this research, it is hoped that it will make it easier for the government to see people's responses and sentiments towards the fuel increase policy so that the government can produce better policies by incorporating what the people have given.Keywords: K-Nearest Neighbor Algorithm; Rise in fuel prices; Sentiment Analysis; Twitter. AbstrakPemerintah dalam upaya menjalankan pemerintahan tidak terlepas dengan kebijakan-kebijakan yang harus dibuat dan diambil. Dari satu kebijakan saja sudah bisa menarik sentimen yang beragam dari masyarakat. Dengan berdasarkan hal itu penelitian ini dibuat untuk menganalisa sentimen masyarakat terhadap kebijakan pemerintah khususnya pada kebijakan pemerintah mengenai Kenaikan BBM. Pada penelitian ini proses analisa menggunakan algoritme K-Nearest Neighbor mengklasifikasikan tweets dari twitter menjadi dua kategori yaitu positif dan negatif. Tahapan penelitian dimulai dari crawling data, data preprocessing, pelabelan, klasifikasi menggunakan algoritme KNN, dan Evaluasi. Dengan hasil akurasi 94,33% dalam mengklasifikasikan data. Dengan hasil penelitian ini diharapkan dapat mempermudah pemerintah dalam melihat tanggapan dan sentimen masyarakat terhadap kebijakan kenaikan BBM sehingga pemerintah dapat menghasilkan kebijakan yang lebih baik bersama dengan masukkan-masukkan yang diberikan rakyat.Kata kunci: Algoritme K-Nearest Neighbor; Kenaikan Harga BBM; Analisa Sentimen; Twitter.
Prediksi Tingkat Produksi Batu Quarry Andesite Dengan Metode ARIMA Sebah, Hermon Julkifly; Nugroho, Adi
Progresif: Jurnal Ilmiah Komputer Vol 19, No 2: Agustus 2023
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/progresif.v19i2.1292

Abstract

The process of taking andesite quarry stones carried out by PT Pipit Jaya Abadi is erratic so that it is not optimal for the use of existing machines and human resources. If this continues, the company cannot reach the predetermined target. This research aims to assist PT Pipit Jaya Abadi in achieving predetermined production targets and the stability of the quality of production machines so that machine performance can reach optimal levels and maximize existing human resources. ARIMA (Autoregressive Integrated Moving Average) method to forecast the production level of andesite quarry in the coming period. Production data from January 2017 to September 2022 is used in this study. The forecasting results provide an overview of the expected production levels for the next 5 months, namely from October 2022 to February 2023. The forecasting results show production of 24464.344877 m3, 22449.959502 m3, 21969.910870 m3, 21691.556209 m3, and 21849.566221 m3 respectively. Accuracy analysis using MAPE (Mean Absolute Percentage Error) shows an accuracy level of 35.46%.Keywords: andesite quarry; Production and Forecasting; ARIMA Method AbstrakProses pengambilan batu quarry andesite yang dilakukan oleh PT. Pipit Jaya Abadi tidak menentu sehingga tidak optimal untuk penggunaan mesin dan sumberdaya manusia yang ada. Jika hal tersebut berlanjut membuat perusahaan tidak dapat mencapi target yang telah ditetapkan. Penelitian ini bertujuan untuk membantu PT. Pipit Jaya Abadi dalam mencapi target produksi yang telah ditentukan dan stabilitas kualitas mesin produksi agar kinerja mesin dapat mencapai tingkat optimal serta memaksimalkan sumber daya manusia yang ada. Metode ARIMA (Autoregressive Integrated Moving Average) untuk meramalkan tingkat produksi quarry andesite di periode yang akan datang. Data produksi dari Januari 2017 hingga September 2022 digunakan dalam penelitian ini. Hasil peramalan memberikan gambaran tingkat produksi yang diharapkan selama 5 bulan ke depan, yaitu dari Oktober 2022 hingga Februari 2023. Hasil peramalan menunjukkan produksi sebesar 24464.344877 m3, 22449.959502 m3, 21969.910870 m3, 21691.556209 m3, dan 21849.566221 m3 secara berturut-turut. Analisis akurasi menggunakan MAPE (Mean Absolute Percentage Error) menunjukkan tingkat akurasi sebesar 35,46%.Kata kunci:  Andesite quarry; Produksi dan Peramalan; Metode ARIMA 
Perbandingan Metode Exponential Smoothing dan ARIMA untuk Prediksi Jumlah Mahasiswa Baru (Studi Kasus di FTI UKSW) Paga, Efraim; Nugroho, Adi
Progresif: Jurnal Ilmiah Komputer Vol 20, No 1: Februari 2024
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/progresif.v20i1.1829

Abstract

Many methods can be used to predict the number of new students admitted to the Computer Science program at the Faculty of Information Technology, Universitas Kristen Satya Wacana. However, it is essential to determine the most accurate method for prediction. This research aims to compare the Single Exponential Smoothing (SES) method and ARIMA to forecast the number of new students in the Computer Science program at Universitas Kristen Satya Wacana for the next three years. The accuracy of the forecast results is tested by comparing the values of MSE, MAE, and MAP. The data used for forecasting are the registration data of new students in the Computer Science program from 2003 to 2022. The research results indicate that the ARIMA method is a more suitable choice for predicting the number of new students in the next three years due to its lower values of MSE, MAE, and MAPE. Using the ARIMA method, the predicted number of new students is 341 in 2023, 334 in 2024, and 330 in 2025.Keywords: Prediction; Single Exponential Smoothing; ARIMA AbstrakBanyak metode yang bisa digunakan untuk melakukan prediksi jumlah mahasiswa baru yang diterima pada program studi Teknik Informatika Fakultas Teknologi Informasi Universitas Kristen Satya Wacana, namun perlu menentukan metode mana yang paling akurat dalam melakukan prediksi. Penelitian ini bertujuan membandingkan Metode Single Exponential Smoothing dan ARIMA untuk memprediksi jumlah mahasiswa baru pada program studi Teknik Informatika Universitas Kristen Satya Wacana tiga tahun mendatang. Pengujian akurasi hasil peramalan dilakukan dengan membandingkan nilai MSE, MAE, dan MAP. Data yang digunakan untuk peramalan adalah data pendaftaran mahasiswa baru program studi Teknik Informatika tahun 2003 sampai tahun 2022. Hasil penelitian menunjukkan bahwa metode ARIMA merupakan pilihan yang lebih sesuai untuk meramalkan jumlah mahasiswa baru dalam tiga tahun ke depan karena nilai MSE, MAE, dan MAPE yang lebih rendah. Dengan menggunakan metode ARIMA, jumlah mahasiswa baru yang diprediksi adalah 341 orang pada tahun 2023, 334 orang pada tahun 2024, dan 330 orang pada tahun 2025.Kata kunci: Prediksi; Single Exponential Smoothing; ARIMA
Co-Authors Arifin, Andrean Jonathan Paga, Efraim Sebah, Hermon Julkifly