Article Per Year (5 Year)
p-Index From 2020 - 2025
0.835
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika) Jurnal Intelek Insan Cendikia
Irya Shakila Syukron, Ananda
Unknown Affiliation
Religion Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Social Sciences

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search

 1 
ANALISIS POPULARITAS GENRE FILM DI INDONESIA MENGGUNAKAN ALGORITMA DECISION TREE Dobry Sianipar, Freyro; Irya Shakila Syukron, Ananda; Defiyanti, Aqilah; Hafiz, Alfin; Dly, Revidamurti; Ramadhani, Fanny; Arnita, Arnita
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.13841

Abstract

Industri perfilman di Indonesia mengalami pertumbuhan pesat dengan semakin beragamnya genre yang diminati oleh penonton. Namun, pola popularitas genre film masih menjadi tantangan dalam pengambilan keputusan industri. Penelitian ini bertujuan untuk menganalisis faktor yang memengaruhi popularitas genre film di Indonesia dengan menerapkan algoritma Decision Tree. Data yang digunakan berasal dari The Movie Database (TMDb) mencakup 3.000 film dari tahun 2015 hingga 2024, dengan variabel utama berupa jumlah penonton dan rating. Proses analisis mencakup tahapan preprocessing data, transformasi data, serta penyeimbangan kelas menggunakan teknik Synthetic Minority Over-sampling Technique (SMOTE). Hasil penelitian menunjukkan bahwa rating merupakan faktor dominan dalam menentukan popularitas genre film, diikuti oleh genre Romance, Drama, dan Horror. Model Decision Tree yang diterapkan memiliki akurasi sebesar 72,98% dalam mengklasifikasikan film populer dan tidak populer. Temuan ini memberikan kontribusi terhadap pemahaman preferensi penonton di Indonesia dan dapat menjadi acuan bagi industri perfilman dalam menyusun strategi produksi dan pemasaran yang lebih efektif. Berbeda dengan penelitian sebelumnya yang berfokus pada sistem rekomendasi atau analisis faktor individu, penelitian ini menawarkan pendekatan klasifikasi genre film berdasarkan kombinasi jumlah penonton dan rating, sehingga memberikan perspektif yang lebih komprehensif dalam mengidentifikasi tren popularitas film di Indonesia.
PERANCANGAN APLIKASI “CINELIVRO” BERBASIS GLIDE UNTUK MENGATUR DAFTAR TONTONAN DAN BACAAN PRIBADI Bush Henrydunan, John; Hafiz, Alvin; Irya Shakila Syukron, Ananda; Simanjuntak, Yesy; Perdana, Adidtya
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.13943

Abstract

Perkembangan teknologi informasi dan aplikasi mobile semakin pesat, memberikan kemudahan dalam berbagai aspek kehidupan, termasuk pengelolaan daftar tontonan dan bacaan pribadi. Namun, banyak pengguna masih mengalami kesulitan dalam mengorganisasi film dan buku yang ingin mereka ikuti. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan aplikasi CineLivro berbasis Glide dengan pendekatan no-code guna mempermudah pengguna dalam mencatat, mengelola, dan mengakses daftar tontonan serta bacaan mereka. Metode yang digunakan mencakup perancangan sistem berbasis Google Sheets sebagai basis data, implementasi fitur CRUD (Create, Read, Update, Delete), serta pengujian aksesibilitas dan keamanan data pengguna. Hasil pengujian menunjukkan bahwa aplikasi dapat berfungsi dengan baik dalam mengelola data film dan buku, serta memiliki fitur login berbasis email yang menjamin privasi pengguna. Implementasi no-code dengan Glide memungkinkan pengembangan aplikasi yang cepat dan efisien tanpa memerlukan keterampilan pemrograman yang kompleks. Dengan fitur yang mendukung kemudahan akses dan pengelolaan data secara personal, CineLivro diharapkan menjadi solusi efektif bagi pengguna dalam mengatur aktivitas hiburan mereka secara lebih terstruktur dan fleksibel.
KLASIFIKASI SENTIMEN PUBLIK TERHADAP PPN 12% DI MEDIA SOSIAL X MENGGUNAKAN NAÏVE BAYES Syahri, Alfin; Ramadhan Manik, Albert; Irya Shakila Syukron, Ananda; Budi Akbar, Muhammad; Amelia Br Siregar, Ririn; Saputra, Kana
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.13949

Abstract

Program Makan Siang Gratis yang diperkenalkan dalam Pemilihan Presiden 2024 menjadi sorotan publik dengan berbagai tanggapan positif dan negatif di media sosial. Penelitian ini bertujuan untuk menganalisis sentimen netizen di media sosial X terhadap program ini menggunakan algoritma Naïve Bayes. Data dikumpulkan melalui proses crawling menggunakan Twitter API, kemudian dilakukan preprocessing, ekstraksi fitur dengan Term Frequency-Inverse Document Frequency (TF-IDF), dan klasifikasi sentimen ke dalam tiga kategori: positif, negatif, dan netral. Hasil evaluasi menunjukkan bahwa model Naïve Bayes memiliki akurasi 65%, dengan sentimen negatif mendominasi (45%), diikuti oleh sentimen netral (35%) dan positif (20%). Analisis lebih lanjut mengungkapkan bahwa sentimen negatif umumnya berkaitan dengan kekhawatiran terhadap efektivitas dan transparansi program, sementara sentimen positif berasal dari optimisme terhadap manfaat program dalam mengatasi masalah gizi dan stunting. Temuan ini menunjukkan perlunya strategi komunikasi dan sosialisasi yang lebih baik agar program lebih diterima oleh masyarakat.
ANALISIS PERBEDAAN PERMUKAAN BUAH SEGAR DAN BUSUK MENGGUNAKAN MODEL RGB DAN GRAY-LEVEL CO-OCCURRENCE MATRIX (GLCM) Amelia Br Siregar, Ririn; Ramadhan Manik, Albert; Irya Shakila Syukron, Ananda; Budi Akbar, Muhammad; Syahputra, Hermawan
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.14461

Abstract

Pengolahan citra digital merupakan bidang penting dalam ilmu komputer yang digunakan untuk menganalisis dan memanipulasi gambar digital. Permasalahan yang sering muncul dalam pengolahan citra adalah bagaimana memperoleh informasi atau fitur yang relevan dari sebuah citra secara efisien dan akurat. Penelitian ini bertujuan untuk mengimplementasikan beberapa operasi dasar pengolahan citra seperti pembacaan citra, konversi warna, penjumlahan, pengurangan, dan perhitungan parameter statistik (mean, median, dan standar deviasi) untuk memahami karakteristik citra. Metode yang digunakan dalam penelitian ini melibatkan pemrograman menggunakan bahasa Python dengan bantuan pustaka OpenCV dan NumPy dalam proses pemrosesan citra. Hasil yang diperoleh menunjukkan bahwa operasi dasar tersebut dapat diaplikasikan dengan baik dan mampu memberikan informasi statistik yang bermanfaat mengenai distribusi intensitas piksel dalam citra, yang dapat digunakan untuk analisis lanjutan atau klasifikasi. Penelitian ini diharapkan dapat menjadi dasar untuk pengembangan sistem pengenalan citra yang lebih kompleks.
Optimasi Parameter dan Pemilihan Fitur Model K-Nearest Neighbor Menggunakan Algoritma Genetika pada Dataset Diabetes Irya Shakila Syukron, Ananda; Ririn Amelia Br Siregar; Anwar Shaleh Lbn Gaol; Adidtya Perdana
Jurnal Intelek Insan Cendikia Vol. 2 No. 12 (2025): Desember 2025
Publisher : PT. Intelek Cendikiawan Nusantara

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

Abstract

Diabetes mellitus merupakan penyakit kronis dengan prevalensi yang terus meningkat sehingga deteksi dini sangat diperlukan untuk mencegah risiko komplikasi. Machine learning menjadi salah satu pendekatan yang efektif dalam menganalisis data medis, dan algoritma K-Nearest Neighbor (KNN) sering digunakan karena sifatnya yang sederhana namun akurat. Meski demikian, performa KNN sangat dipengaruhi oleh pemilihan parameter dan fitur yang relevan. Penelitian ini bertujuan mengoptimalkan model KNN menggunakan Algoritma Genetika (GA) untuk melakukan optimasi nilai k sekaligus seleksi fitur pada dataset Pima Indians Diabetes. Proses penelitian meliputi praproses data, normalisasi, pembagian data latih dan uji, pembangunan model dasar KNN, serta penerapan GA yang melibatkan tahapan seleksi, evaluasi fitness dengan akurasi cross-validation, crossover, dan mutasi. Model KNN awal memperoleh akurasi sebesar 68,83%, namun setelah dilakukan optimasi menggunakan GA, akurasi meningkat menjadi 82,47%. Hasil optimasi menunjukkan bahwa nilai k terbaik adalah 16, dengan lima fitur paling relevan yaitu Pregnancies, Glucose, BloodPressure, BMI, dan DiabetesPedigreeFunction. Temuan ini menunjukkan peningkatan signifikan pada kemampuan model dalam mengidentifikasi kasus diabetes positif, ditunjukkan melalui kenaikan nilai recall dan f1-score. Secara keseluruhan, penelitian ini membuktikan bahwa integrasi GA pada KNN mampu meningkatkan akurasi dan efisiensi model, serta menjadi pendekatan yang menjanjikan dalam sistem klasifikasi medis.  
Co-Authors Adidtya Perdana, Adidtya Amelia Br Siregar, Ririn Anwar Shaleh Lbn Gaol Arnita Arnita Budi Akbar, Muhammad Bush Henrydunan, John Defiyanti, Aqilah Dly, Revidamurti Dobry Sianipar, Freyro Hafiz, Alfin Hafiz, Alvin Hermawan Syahputra Kana Saputra S Ramadhan Manik, Albert Ramadhani, Fanny Ririn Amelia Br Siregar Simanjuntak, Yesy Syahri, Alfin