Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal IKRA-ITH Informatika : Jurnal Komputer dan Informatika Journal of Data Analytics, Information, and Computer Science (JDAICS)
Syamdova, Dian
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management Mathematics Other

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

Found 2 Documents
Search

 1 
ANALISIS PARAMETER QOS (QUALITY OF SERVICE) PADA JARINGAN INTERNET DI PERPUSTAKAAN UNIVERSITAS ESA UNGGUL TANGERANG Sanjaya, Rizki Dwi; Syamdova, Dian; Farhan, Muhammad; Laksana, Ryan Putra
Journal of Data Analytics, Information, and Computer Science Vol. 2 No. 1 (2025): Januari
Publisher : Yayasan Nuraini Ibrahim Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70248/jdaics.v2i1.1819

Abstract

Penelitian ini menganalisis parameter pada jaringan internet di Perpustakaan Universitas Esa Unggul Tangerang untuk mengevaluasi kinerja jaringan dan kualitas layanan. Pengukuran yang dianalisis meliputi seperti throughput, packet loss, delay, dan jitter. Hasil penelitian nilai throughput sebesar 682 Kbps dikategorikan buruk, mengindikasikan rendahnya kecepatan transfer data. Sebaliknya, parameter lain seperti packet loss 0% (sangat bagus), delay 10,847 ms (sangat bagus), dan jitter 10,975 ms (bagus) menunjukkan kualitas jaringan yang lebih baik dan memadai. Studi ini menyimpulkan bahwa meskipun stabilitas jaringan memadai untuk mendukung aplikasi real-time, rendahnya throughput menjadi kendala utama. Oleh karena itu, disarankan untuk meningkatkan kapasitas bandwidth dan mengoptimalkan infrastruktur jaringan guna memenuhi kebutuhan pengguna yang terus berkembang.
PREDIKSI INTERAKSI PENGGUNA MEDIA SOSIAL X DENGAN ALGORITMA MACHINE LEARNING Syamdova, Dian; Iswahyudi, Raden Teddy
IKRA-ITH Informatika : Jurnal Komputer dan Informatika Vol. 9 No. 2 (2025): IKRAITH-INFORMATIKA Vol 9 No 2 Juli 2025
Publisher : Fakultas Teknik Universitas Persada Indonesia YAI

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

Abstract

Media sosial kini menjadi ruang komunikasi publik yang penting, termasuk bagi instansi pemerintah dalammenyampaikan informasi kepada masyarakat. Penelitian ini bertujuan memprediksi tingkat interaksi pengguna pada akunresmi Kementerian Pertanian Republik Indonesia (Kementan RI) di platform X (Twitter) menggunakan algoritma machinelearning. Data penelitian berupa 334 tweet yang dipublikasikan pada periode April hingga Juni 2025, dianalisis berdasarkanjumlah like, reply, dan repost. Proses pra-pemrosesan mencakup pembersihan teks, normalisasi, penghapusan stopwords,serta transformasi teks ke dalam representasi numerik dengan TF-IDF. Empat algoritma diuji, yaitu Naive Bayes, LogisticRegression, Support Vector Machine (SVM), dan K-Nearest Neighbors (KNN). Evaluasi kinerja model menggunakanmetrik akurasi, presisi, recall, F1-score, macro average, dan weighted average untuk menangani distribusi data yang tidakseimbang. Hasil penelitian menunjukkan bahwa algoritma Naive Bayes memberikan performa terbaik dengan akurasi 82%dan F1-score 0.74, terutama pada klasifikasi interaksi rendah. Logistic Regression dan KNN menunjukkan performa cukupbaik namun belum stabil, sedangkan SVM memiliki performa paling rendah, khususnya pada deteksi interaksi tinggi.Temuan ini menunjukkan bahwa Naive Bayes dapat direkomendasikan sebagai algoritma utama dalam prediksi interaksimedia sosial X. Selain itu, hasil penelitian ini dapat menjadi landasan untuk menyusun strategi komunikasi digitalpemerintah yang lebih efektif, berbasis data dan prediksi tingkat keterlibatan audiens.
Co-Authors Iswahyudi, Raden Teddy Laksana, Ryan Putra Muhammad Farhan Sanjaya, Rizki Dwi