Garuda - Garba Rujukan Digital

Article Per Year (5 Year)

All

Jurnal Pilar Nusa Mandiri

pilar
Website

Published by STMIK Nusa Mandiri

ISSN : 19781946 EISSN : 25276514 DOI : -

Core Subject : Science,

Computer Science & IT

Jurnal Pilar merupakan jurnal ilmiah yang diterbitkan oleh program studi sistem informasi STMIK Nusa Mandiri. Jurnal ini berisi tentang karya ilmiah yang bertemakan: Rekayasa Perangkat Lunak, Sistem Pakar, Sistem Penunjang, Keputusan, Perancangan Sistem Informasi, Data Mining, Pengolahan Citra.

Arjuna Subject : -

Articles 418 Documents

21 22 23 24 25

OPTIMALISASI KLASIFIKASI BERITA MENGGUNAKAN FEATURE INFORMATION GAIN UNTUK ALGORITMA NAIVE BAYES TERHUBUNG RANDOM FOREST Prakoso, Bobby Suryo; Rosiyadi, Didi; Aridarma, Dedi; Utama, Heru Sukma; Fauzi, Fariz; Qhomar, Mohammad Arifin Nurul
Jurnal Pilar Nusa Mandiri Vol 15 No 2 (2019): Pilar Nusa Mandiri : Journal of Computing and Information System Periode Septemb
Publisher : LPPM Universitas Nusa Mandiri

Penelitian ini adalah tentang pengklasifikasian berita yang mengoptimalisasi dengan kombinasi antar algoritma. Tentang dataset yang digunakan diambil pada situs pemberitaan online. Algoritma yang digunakan adalah algoritma Naive Bayes Classifier, dan Random Forest dengan pembobotan seleksi fitur Information Gain. Dataset yang digunakan terdapat 615 dataset dengan 3 katagori atau tema berita. Dalam permodelan terdapat 6 model skenario sebagai pembanding untuk menentukan skenario mana yang mendapatkan nilai terbaik, berdasarkan hasil penelitian ini nilai terbaik didapatkan oleh model Remove Useless Attributes, Naive bayes Classifier-Multinomial, dan Random Forest-Feature Selection Information gain. Hasil evaluasi yang didapatkan adalah nilai accuracy 85.67%, nilai recall 85.67%, dan nilai precision 86.23

KLASIFIKASI SMS SPAM MENGGUNAKAN SUPPORT VECTOR MACHINE Setiyono, Agus; Pardede, Hilman F
Jurnal Pilar Nusa Mandiri Vol 15 No 2 (2019): Pilar Nusa Mandiri : Journal of Computing and Information System Periode Septemb
Publisher : LPPM Universitas Nusa Mandiri

It is now common for a cellphone to receive spam messages. Great number of received messages making it difficult for human to classify those messages to Spam or no Spam. One way to overcome this problem is to use Data Mining for automatic classifications. In this paper, we investigate various data mining techniques, named Support Vector Machine, Multinomial Naïve Bayes and Decision Tree for automatic spam detection. Our experimental results show that Support Vector Machine algorithm is the best algorithm over three evaluated algorithms. Support Vector Machine achieves 98.33%, while Multinomial Naïve Bayes achieves 98.13% and Decision Tree is at 97.10 % accuracy.

IMPLEMENTASI SUPPORT VECTOR MACHINE UNTUK ANALISIS SENTIMEN PENGGUNA TWITTER TERHADAP PELAYANAN TELKOM DAN BIZNET Sari, Bety Wulan; Haranto, Fadholi Fat
Jurnal Pilar Nusa Mandiri Vol 15 No 2 (2019): Pilar Nusa Mandiri : Journal of Computing and Information System Periode Septemb
Publisher : LPPM Universitas Nusa Mandiri

Sosial media merupakan suatu media yang dapat digunakan untuk berekspresi oleh penggunanya. Twitter cukup populer dan sering digunakan di Indonesia, pengguna twitter dapat berekspresi dan beraspirasi tanpa adanya batasan. Tweet yang berupa ekspresi dan aspirasi yang ditulis oleh pengguna twitter dapat digunakan untuk ulasan sebuah produk atau layanan. Pada penelitian ini, peneliti menggunakan teknik text mining dengan menerapkan algoritma Support Vector Machine yang dipergunakan untuk analisis sentimen pengguna twitter terhadap pelayanan Telkom dan Biznet. Data pada pelayanan Telkom dan Biznet akan dilakukan perhitungan pada penelitian ini dengan jumlah dataset sebanyak 500 tweet yang berasal dari crawling data twitter, terdapat 250 tweet yang dijadikan dataset pada masing-masing objek. Sejumlah data tersebut akan dipergunakan untuk data training serta data testing dalam proses pembuatan model menggunakan algoritma Support Vector Machine. Metode yang digunakan untuk pengujian model adalah Confusion Matrix sedangkan K-Fold Cross Validation ditujukan untuk untuk membagi data training dan data testing sesuai lipatan yang digunakan. Hasil pengujian yang diperoleh menggunakan metode K-Fold Cross Validation dan Confusion Matrix pada model yang dibuat menggunakan algoritma Support Vector Machine yang memberikan hasil nilai accuracy 79,6%, precision 76,5%, recall 72,8% , dan F1-score 74,6% untuk Telkom, serta accuracy 83,2%, precision 78,8%, recall 71,6%, dan F1-score 75% untuk Biznet.

SENTIMEN ANALISIS KEBIJAKAN GANJIL GENAP DI TOL BEKASI MENGGUNAKAN ALGORITMA NAIVE BAYES DENGAN OPTIMALISASI INFORMATION GAIN Utama, Heru Sukma; Rosiyadi, Didi; Aridarma, Dedi; Prakoso, Bobby Suryo
Jurnal Pilar Nusa Mandiri Vol 15 No 2 (2019): Pilar Nusa Mandiri : Journal of Computing and Information System Periode Septemb
Publisher : LPPM Universitas Nusa Mandiri

Analysis of the odd even-numbered sentiment systems in Bekasi toll using the Naïve Bayes Algorithm, is a process of understanding, extracting, and processing textual data automatically from social media. The purpose of this study was to determine the level of accuracy, recall and precision of opinion mining generated using the Naïve Bayes algorithm to provide information community sentiment towards the effectiveness of the odd system of Bekasi tiolls on social media. The research method used in this study was to do text mining in comments-comments regarding posts regarding even odd oddities on Bekasi toll on Twitter, Instagram, Youtube and Facebook. The steps taken are starting from preprocessing, transformation, datamining and evaluation, followed by information gaon feature selection, select by weight and applying NB Algorithm model. The results obtained from the study using the NB model are obtained Confusion Matrix result, namely accuracy of 79,55%, Precision of 80,51%, and Sensitivity or Recall of 80,91%. Thus this study concludes that the use of Support Vector Machine Algorithms can analyze even odd sentiments on the Bekasi toll road.

PEMILIHAN ATRIBUT PADA ALGORITMA C4.5 MENGGUNAKAN PARTICLE SWARM OPTIMIZATION UNTUK MENINGKATKAN AKURASI PREDIKSI DIAGNOSIS PENYAKIT LIVER Nurlelah, Elah; Mardiyanto, M. Sukrisno
Jurnal Pilar Nusa Mandiri Vol 15 No 2 (2019): Pilar Nusa Mandiri : Journal of Computing and Information System Periode Septemb
Publisher : LPPM Universitas Nusa Mandiri

Hati adalah organ vital manusia yang memiliki fungsi kompleks dan beragam, salah satunya adalah dengan menjaga kebutuhan organ dalam tubuh, khususnya otak, karena otak adalah fungsi hati yang kompleks, oleh karena itu, kesehatan hatipun perlu diperhatikan sejak dini agar tubuh tetap sehat. Penyakit hati atau liver merupakan salah satu dari 10 penyakit terbesar penyebab kematian di Indonesia, tetapi pemahaman masyarakat mengenai penyakit liver ini masih sangat rendah. Akibatnya banyak dari mereka yang tidak mendapatkan penanganan dini secara tepat. Karenanya, penting bagi kita untuk dapat mengenali gejala dini penyakit liver sebelum terlambat. Selain itu, deteksi dini terhadap penyakit liver memungkinkan penderita penyakit ini dapat disembuhkan lebih cepat. Sudah banyak penelitian untuk memprediksi penyakit liver, salah satunya yaitu dengan menerapkan metode C4.5. Pada penelitian ini dilakukan optimasi algoritma C4.5 dengan menggunakan Particle Swarm Optimization untuk meningkatkan akurasi prediksi diagnosis penyakit liver. Setelah dilakukan pengujian dengan dua model yaitu Algoritma C4.5 dan Optimasi C4.5 menggunakan Particle Swarm Optimization maka hasil yang didapat pengujian dengan menggunakan C4.5 dimana didapat nilai accuracy adalah 78,86% dan nilai AUC adalah 0,815%, sedangkan pengujian dengan menggunakan Optimasi C4.5 dengan Particle Swarm Optimization didapatkan nilai accuracy 82,08% dan nilai AUC adalah 0,829 dengan tingkat diagnosa good classification. Sehingga kedua metode tersebut memiliki perbedaan tingkat akurasi yaitu sebesar 3,22% dan perbedaan nilai AUC sebesar 0,014%. Dapat disimpulkan bahwa penerapan teknik optimasi Particle Swarm Optimization mampu menyeleksi atribut pada C4.5, sehingga menghasilkan tingkat akurasi diagnosis penyakit liver yang lebih baik dibanding dengan menggunakan metode individual algoritma C4.5.

PEMERINGKATAN PENILAIAN KINERJA KARYAWAN MELALUI METODE AHP DAN VIKOR Yusnaeni, Wina; Marlina, Marlina
Jurnal Pilar Nusa Mandiri Vol 15 No 2 (2019): Pilar Nusa Mandiri : Journal of Computing and Information System Periode Septemb
Publisher : LPPM Universitas Nusa Mandiri

In the company can not be separated from human resources, which is an important part of the company. The success of a company depends on the resources that are in it. Therefore, human resources have a very vital role. One of the most important factors in a company, human resources must be considered for their welfare and appreciation. For example, giving appreciation for employee performance. From evaluating employee performance, exact calculations are required, one of which uses AHP and Vikor methods. The result of this research showed usage method of vikor who assists in assessment has raised the of employee performance based on the criteria of which there are, Where criteria have been in appointed by the company and provision of weight of criteria with the methods ahp. From the results of the count it over with ahp drugs got when the the value of weighted criteria in accordance with the provisions fees for civil servant employees ahp with a value of The CR ≤ 0.1. This is done to explain the consistency of the weight of the criteria which had been assessed by the judges. Next, with Vikor method, obtained with the smallest value in the calculation of V = 0.5. from the results of the performed calculations to see stability calculation results with alternative methods of vikor 1 way obtained Value Q (2)-Q (1) ≥ DQ,. and obtained also for method 2 using the value V = 0.4 and value V = 0.6 and gained equality results ranked one and two. The result of the method of vikor expected can help decision-makers in determining the ranking of employees based on the best performance of employees.

PERANCANGAN SISTEM INFORMASI PENGAJUAN PINJAMAN BERBASIS WEB MENGGUNAKAN METODE SIMPLE ADDITIVE WEIGHTING Widyastuti, Titis; Kurnianda, Nia Rahma
Jurnal Pilar Nusa Mandiri Vol 15 No 2 (2019): Pilar Nusa Mandiri : Journal of Computing and Information System Periode Septemb
Publisher : LPPM Universitas Nusa Mandiri

Dalam usaha meningkatkan jumlah anggota yang bergabung dalam naungan koperasi karyawan, koperasi UMB bermaksud melakukan peningkatan pelayanan pada produk simpan pinjam. Namun produk tersebut memiliki rentang waktu pelayanan yang sangat panjang dan antrian yang cukup besar. Sebelum peminjaman disetujui terdapat verifikasi berkas atas aplikasi anggota terlebih dahulu. Pendataan dan pencatatan atas peminjaman dan pembayaran pinjaman pun masih dilakukan secara sederhana yaitu dengan metode tulis tangan. Hal ini menyebabkan rawan terjadinya human error dan dokumen tidak terkontrol. Oleh karena itu, kami merancang sebuah sistem informasi pengajuan pinjaman bagi anggota untuk menyelesaikan permasalahan tersebut. Untuk mendukung usaha koperasi karyawan memberikan kemudahan dalam mengajukan pinjaman, rancangan ini kami buat menggunakan basis web dan berorientasi obyek. Sistem ini nantinya akan memberikan kemudahan bagi anggota untuk mengajukan pinjaman dari manapun dan kapanpun, memberikan keleluasaan bagi anggota untuk mengetahui status peminjaman yang diajukan dan pengembalian hutang yang telah dibayarkan. Selain itu dari sisi koperasi pegawai UMB, benefit yang diterima adalah kemudahan dan kecepatan dalam hal verifikasi berkas serta kerapihan administrasi peminjaman uang. Selain itu dalam pembuatan laporan juga menjadi fitur utama dari sistem yang kami rancang ini. Dalam menghasilkan rekomendasi peminjaman yang disetujui kami menggunakan variasi metode SAW. Hasil kalkulasi dari fitur rekomendasi ini akan menjadi dasar bagi pelayanan verifikasi berkas yang lebih cepat.

KOMPARASI METODE KLASIFIKASI PADA ANALISIS SENTIMEN USAHA WARALABA BERDASARKAN DATA TWITTER Mardiana, Tati; Syahreva, Hafiz; Tuslaela, Tuslaela
Jurnal Pilar Nusa Mandiri Vol 15 No 2 (2019): Pilar Nusa Mandiri : Journal of Computing and Information System Periode Septemb
Publisher : LPPM Universitas Nusa Mandiri

Saat ini usaha waralaba di Indonesia memiliki daya tarik yang relatif tinggi. Namun, para pelaku usaha banyak juga yang mengalami kegagalan. Bagi seseorang yang ingin memulai usaha perlu mempertimbangkan sentimen masyarakat terhadap usaha waralaba. Meskipun demikian, tidak mudah untuk melakukan analisis sentimen karena banyaknya jumlah percakapan di Twitter terkait usaha waralaba dan tidak terstruktur. Tujuan penelitian ini adalah melakukan komparasi akurasi metode Neural Network, K-Nearest Neighbor, Naïve Bayes, Support Vector Machine, dan Decision Tree dalam mengekstraksi atribut pada dokumen atau teks yang berisi komentar untuk mengetahui ekspresi didalamnya dan mengklasifikasikan menjadi komentar positif dan negatif. Penelitian ini menggunakan data realtime dari tweets pada Twitter. Selanjutnya mengolah data tersebut dengan terlebih dulu membersihkannya dari noise dengan menggunakan Phyton. Hasil pengujian dengan confusion matrix diperoleh nilai akurasi Neural Network sebesar 83%, K-Nearest Neighbor sebesar 52%, Support Vector Machine sebesar 83%, dan Decision Tree sebesar 81%. Penelitian ini menunjukkan metode Support Vector Machine dan Neural Network paling baik untuk mengklasifikasikan komentar positif dan negatif terkait usaha waralaba.

PENGGUNAAN METODE PROFILE MATCHING UNTUK PEMILIHAN EOSH CAPTAIN TERBAIK PADA PT.COCA-COLA INDONESIA Mashyur, Riduan Syaiful; Frieyadie, Frieyadie
Jurnal Pilar Nusa Mandiri Vol 15 No 2 (2019): Pilar Nusa Mandiri : Journal of Computing and Information System Periode Septemb
Publisher : LPPM Universitas Nusa Mandiri

Environment, Occupational, Safety and Health (EOSH) Captain is an activity created by the Safety Officer at PT. Coca-Cola Indonesia. To determine the best EOSH Captain for the first time and is still influenced by the Subjective factor in assessing the prospective EOSH Captain, the safety officer is sometimes difficult to determine the best EOSH Captain, due to the lack of criteria so that the inaccuracy of assessment results in errors in determining the selection of EOSH Captain, constraints Another factor is the search for supporting data for the EOSH captain selection criteria is hampered, because the safety officer must focus on the job desk of his work, resulting in the length of the decision-making process. In this study, to overcome the above constraints, a method called the Profile Matching method is used. This Profile Matching method can process and compare the actual data value of a profile to be assessed with the expected profile value so that competency differences can be known. The purpose of this research is to accelerate the decision-making process. The assessment process will be more accurate, resulting in the determination of the selection of EOSH to be more precise and correct. The assessment process will be more accurate, resulting in the determination of the selection of EOSH to be more precise and correct. The results of calculations using the Profile Matching method above have obtained the greatest value and become the best EOSH captain is employee 17.

USTADZ ABDUL SOMAD LECTURE SENTIMENT ANALYSIS USING SUPPORT VECTOR MACHINE ALGORITHM COMPARISON OF COMPARATIVE FEATURES SELECTION Aridarma, Dedi; Sadikin, Rifki; Prakoso, Bobby Suryo; Utama, Heru Sukma
Jurnal Pilar Nusa Mandiri Vol 16 No 1 (2020): Pilar Nusa Mandiri : Journal of Computing and Information System Publishing Peri
Publisher : LPPM Universitas Nusa Mandiri

Religious lectures are activities that are identical to the religious presentation, delivered verbally by a person who has religious knowledge and then delivered to the community with the aim of the knowledge delivered can be understood. Ustadz Abdul Somad was one of the preachers who had been known to various levels of society, but his lectures were not all acceptable to the people who liked or disliked those who came from various positive and negative comments on social media. To solve these problems, Sentiment Analysis was used by applying the Support Vector Machine Algorithm method. The purpose of this study is to compile using the selection of feature Particle Swarm Optimization and Information Gain. The results for Particle Swarm Optimization Selection Feature resulted in Accuracy of 80.57%, Precision of 85.45%, and Recall of 79.52%, Selection Feature Information Gain resulted in Accuracy of 79.78%, Precision of 78.47%, and Recall of 78, 43%, Based on the results of this study, it can be concluded that using the Particle Swarm Optimization selection feature is better at the level of accuracy when compared to using the Information Gain selection feature.

Page 23 of 42 | Total Record : 418

21 22 23 24 25

Filter by Year

2007 2026

Filter By Issues

Home Page

OAI Link

Editorial Team

Contact

Reviewer

Google Scholar

Contact Name
-

Contact Email
-

Phone
-

Journal Mail Official
-

Editorial Address
-

Location
Kota adm. jakarta timur,

Dki jakarta

INDONESIA

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Home Page

OAI Link

Editorial Team

Contact

Reviewer

Google Scholar

Contact Name -

Contact Email -

Phone -

Journal Mail Official -

Editorial Address -

Location Kota adm. jakarta timur, Dki jakarta INDONESIA

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Contact Name
-

Contact Email
-

Phone
-

Journal Mail Official
-

Editorial Address
-

Location
Kota adm. jakarta timur,

Dki jakarta

INDONESIA