Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Jurnal Informatika dan Teknik Elektro Terapan Jurnal Software Engineering and Computational Intelligence
Pambudi, Readysna Krisna
Unknown Affiliation
Computer Science & IT

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

Found 2 Documents
Search

 1 
PENERAPAN SISTEM ANTRIAN DIGITAL MENGGUNAKAN METODE FIRST-COME FIRST-SERVED (FCFS) Pambudi, Readysna Krisna
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 3 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i3.6702

Abstract

Dalam era digital, sistem pelayanan publik dituntut untuk lebih cepat, efisien, dan akurat. Namun, beberapa tempat masih menggunakan sistem antrian konvensional yang menyebabkan ketidaktertiban, penumpukan massa, dan ketidaknyamanan bagi masyarakat. Penelitian ini membahas penerapan sistem antrian digital berbasis website dengan menggunakan metode First-Come First-Served (FCFS) untuk meningkatkan efisiensi dan kualitas layanan. Sistem ini memungkinkan user mengambil nomor antrian secara online tanpa harus datang langsung ke lokasi. Website ini dikembangkan menggunakan bahasa pemrograman PHP dengan database MySQL, serta diimplementasikan dengan antarmuka untuk user dan admin. Fitur utama dari sistem ini meliputi login, registrasi, pengambilan nomor, pemantauan antrian, hingga rekap data harian. Hasil pengujian menunjukkan bahwa sistem mampu menampilkan informasi antrian secara real-time sehingga mempercepat proses pelayanan. Berdasarkan prinsip FCFS, keadilan pelayanan yang dimana akan melayani user sesuai urutan kedatangannya. Sistem ini terbukti menjadi solusi efektif bagi penyedia layanan dalam mengelola antrian secara tertib dan transparan.
Perbandingan Naïve Bayes dan SVM terhadap Analisis Sentimen QRIS di Luar Negeri Pambudi, Readysna Krisna; Prasetyo, Zavier Billy; Pribadi, Muhammad Rizky
Jurnal Software Engineering and Computational Intelligence Vol 3 No 02 (2025)
Publisher : Informatics Engineering, Faculty of Computer Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36982/jseci.v3i02.5424

Abstract

Penelitian ini membandingkan algoritma Naïve Bayes dab SVM (Support Vector Machine) dalam analisis sentimen terhadap komentar pengguna TikTok mengenai penggunaan QRIS di luar negeri. Data dikumpulkan dengan data scraping dari komentar TikTok, kemudian melakukan prepocessing text, transformasi TF-IDF, dan penerapan SMOTE. Setiap komentar diberi label secara manual ke dalam kategori positif, negatif, atau netral. Hasil Evaluasi menunjukkan bahwa algoritma SVM menunjukkan hasil yang lebih tinggi dibandingkan algoritma Naïve Bayes dengan accuracy sebesar 62.30%, sedangkan Naïve Bayes 57.40%. Precision SVM sebesar 63.44%, sedangkan Naïve Bayes 62.98%. Recall SVM sebesar 62.30%, sedangkan Naïve Bayes 57.40%. F1-Score SVM sebesar 59.60%, sedangkan Naïve Bayes 51.33%. Dengan demikian algoritma SVM lebih efektif digunakan dalam analisis sentimen dibandingkan algoritma Naïve Bayes.
Co-Authors Muhammad Rizky Pribadi Prasetyo, Zavier Billy