Article Per Year (5 Year)
p-Index From 2021 - 2026
0.659
P-Index
This Author published in this journals
All Journal Jurnal Informatika dan Teknik Elektro Terapan Submit : Jurnal Ilmiah Teknologi Informasi dan Sains
Aryanusa, Agil
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Engineering

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

Found 3 Documents
Search

 1 
Analisa Korelasi Regresi Populasi Penduduk dan Pengguna Internet: Populasi Internet Aryanusa, Agil
SUBMIT: Jurnal Ilmiah Teknologi Infomasi dan Sains Vol. 3 No. 2 (2023): Desember 2023
Publisher : Program Studi Teknik Informatika, Universitas Islam Majapahit Mojokerto, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36815/submit.v3i2.2747

Abstract

Perkembangan digital yang berkembang begitu pesat utamanya didunia internet yang makin marak hingga dapat mengubah kultur dan budaya dunia hal ini bisa kita rasakan bahkan bukan hanya kita tapi seluruh dunia dengan mudah dan cepat. Internet memungkinkan komunikasi, berbagi informasi, akses ke seluruh dunia, dan penyediaan layanan berbasis web. Tujuan dari penelitian ini untuk mengetahui, apakah ada hubungan dan pengaruh antara jumlah penduduk dengan jumlah populasi pengguna internet di 20 negara pengguna internet teratas di dunia pada tahun 2018. Dengan metode analisa yang sistematis dan mudah digunakan Koefisien korelasi Pearson (r) dan Regresi linier sederhana. Dari hasil penelitian kita memaparkan tentang adanya hubungan yang signifikan dari populasi jumlah penduduk dengan pengguna internet di 20 negara pengguna internet teratas di dunia pada tahun 2018. Dapat disimpulkan bahwa Indonesia menduduki peringkat ke-7 dari 20 negara pengguna internet tertinggi di dunia. Di bidang pendidikan, peningkatan pengguna Internet antara lain dapat dilakukan dengan membentuk Jaringan Pendidikan Nasional dan Pusat penelitian internet.
Analisis Prediksi Harga Bitcoin Menggunakan Metode ARIMA Aryanusa, Agil; Zahara, Soffa
SUBMIT: Jurnal Ilmiah Teknologi Infomasi dan Sains Vol. 4 No. 1 (2024): Juni 2024
Publisher : Program Studi Teknik Informatika, Universitas Islam Majapahit Mojokerto, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36815/submit.v4i1.3339

Abstract

Di era digital, Bitcoin telah muncul sebagai salah satu mata uang digital yang paling banyak dibicarakan karena volatilitas dan potensinya sebagai sarana investasi. Namun, harga yang fluktuatif juga menimbulkan kesulitan ketika mencoba membuat prediksi yang akurat. Tujuan penelitian ini adalah untuk menganalisis dan meramalkan harga Bitcoin dengan menggunakan metode ARIMA (AutoRegressive Integrated Moving Average). Oleh karena itu, model ARIMA digunakan untuk mengekstrak mean dan varians dari data harga Bitcoin. Hasil penelitian menunjukkan bahwa model ARIMA dapat digunakan secara efektif untuk memprediksi harga Bitcoin dengan menghasilkan nilai MSE sebesar 54791638.70 dimana lebih baik dari model SARIMAX. Penerapan model ARIMA membantu para analis dan investor dalam memahami tren harga Bitcoin dan membuat keputusan investasi yang lebih tepat.
EVALUASI KINERJA LOGISTIC REGRESSION DAN MULTINOMIAL NAÏVE BAYES DALAM KLASIFIKASI SENTIMEN MOBILE BANKING Aryanusa, Agil
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 3S1 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i3S1.7687

Abstract

Dengan pesatnya perkembangan teknologi digital, aplikasi mobile banking telah menjadi kebutuhan utama bagi masyarakat modern. Namun, keluhan pengguna terkait bug dan gangguan teknis sering kali muncul, yang dapat menurunkan kualitas layanan. Penelitian ini bertujuan untuk mengevaluasi sentimen pengguna terhadap fitur-fitur aplikasi mobile banking dengan membandingkan performa algoritma Logistic Regression dan Multinomial Naïve Bayes. Analisis sentimen ini penting untuk memahami persepsi publik secara objektif. Data ulasan pengguna dari empat aplikasi mobile banking populer (blu by BCA, BRImo, BNI Mobile Banking, dan Livin’ by Mandiri) dikumpulkan dari Google Play Store sebanyak 50.000 data per-aplikasi, dengan total 200.000 data. Proses penelitian meliputi pengumpulan data, preprocessing (cleaning, case folding, tokenization, normalization, stopword removal, dan stemming), pelabelan sentimen menggunakan lexicon-based, serta klasifikasi dan evaluasi model. Hasil penelitian menunjukkan bahwa sebagian besar ulasan pengguna bersifat negatif, terutama terkait fitur login, transaksi, dan verifikasi, yang mengindikasikan ketidakpuasan terhadap keandalan teknis. Dalam perbandingan performa, model Logistic Regression jauh lebih unggul dengan akurasi 92-93%, dibandingkan dengan Multinomial Naïve Bayes yang hanya mencapai 71-74%. Hal ini membuktikan bahwa Logistic Regression lebih efektif dalam klasifikasi sentimen ulasan aplikasi mobile banking.
Co-Authors Zahara, Soffa