Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Jurnal Sistem Informasi Triguna Dharma (JURSI TGD) Inventa: Journal of Science, Technology, and Innovation
Athary Zikry
Unknown Affiliation
Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Mechanical Engineering

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

Found 2 Documents
Search

 1 
Sistem Pendukung Keputusan Menentukan Manager Toko Pada Perusahaan Rifqil Group Barokah Menggunakan Metode VIKOR Rizky, Firahmi; Athary Zikry; Yohanni Syahra; Hevlie Winda Nazry
Jurnal Sistem Informasi Triguna Dharma (JURSI TGD) Vol. 4 No. 1 (2025): EDISI JANUARI 2025
Publisher : STMIK Triguna Dharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53513/jursi.v4i1.10607

Abstract

Rifqil Group Barokah merupakan salah satu perusahaan yang bergerak di bidang retail. Dengan banyaknya cabang yang dimiliki oleh Rifqil Group Barokah maka perlu adanya seorang manager toko yang bertanggung jawab untuk mengawasi operasional toko serta memastikan toko tersebut beroperasi secara efektif dan lancar. Namun terdapat beberapa hal penting untuk dipertimbangkan dalam proses pemilihan manager toko yaitu perlu adanya kriteria-kriteria penilaian. Selama ini Rifqil Group Barokah dalam proses pemilihan seorang manager masih dilakukan dengan seleksi yang seadanya saja, tanpa ada kriteria-kriteria penilaian khusus bagi calon manager. Maka berdasarkan permasalahan yang ada, Rifqil Group Barokah perlu memiliki suatu sistem yang dapat membantu memberikan dukungan tambahan sebagai evalusai bagi biro kepegawaiannya dalam mengambil sebuah keputusan, keputusan yang dimaksud yaitu dalam menentukan calon-calon manager toko disetiap cabang. Perancangan sistem pendukung keputusan ini mengimplemntasikan model perhitungan metode VIKOR. Metode ini berfokus pada pemilihan dari beberapa alternatif kriteria yang saling bersilangan untuk dapat mengambil keputusan akhir. Metode ini mengambil suatu keputusan dengan cara mendekati ideal dari setiap alternatif evaluasi berdasarkan kriteria yang telah ditetapkan. VIKOR melakukan perangkingan terhadap alternatif dan menentukan solusi yang mendekati solusi kompromi ideal. Dengan begitu, Sistem pendukung keputusan ini nantinya diharapkan mampu membantu menentukan calon manager toko pada Rifqil Group Barokah.
Performance Analysis of Logistic Regression and SVM (Support Vector Machine) Algorithms on E-Football Mobile Game Review Sentiment Athary Zikry; Farid Akbar Siregar
Journal of Science, Technology, and Innovation Vol 1 No 3 (2026): : April: Inventa: Journal of Science, Technology, and Innovation
Publisher : CV SCRIPTA INTELEKTUAL MANDIRI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.65310/073zdt91

Abstract

This study investigates the comparative performance of Logistic Regression and Support Vector Machine algorithms in sentiment classification of e Football mobile game reviews collected from the Google Play Store. The research employed an empirical machine learning framework involving web scraping, Natural Language Processing preprocessing, Term Frequency Inverse Document Frequency feature extraction, and supervised classification procedures. A total of 7,497 Indonesian language reviews were processed through cleaning, case folding, normalization, tokenization, stopword removal, and stemming to improve textual consistency and semantic representation. The dataset was divided into training and testing subsets using an 80:20 ratio to evaluate model generalization performance. Classification effectiveness was measured using accuracy, precision, recall, and F1 score metrics supported by confusion matrix interpretation. The findings demonstrate that Support Vector Machine achieved superior classification stability with an accuracy of 81.13% and an F1 score of 0.72, while Logistic Regression obtained an accuracy of 80.97% and an F1 score of 0.71. The results indicate that Support Vector Machine provides stronger robustness in handling high dimensional Indonesian gaming review data characterized by class imbalance and semantic variability.
Co-Authors Farid Akbar Siregar Hevlie Winda Nazry S Rizky, Firahmi Yohanni Syahra