Garuda - Garba Rujukan Digital

All

Informatics for Educators and Professional : Journal of Informatics

ITBI
Website

Published by Universitas Bina Insani

ISSN : - EISSN : 25483412 DOI : -

Core Subject : Science, Education, Engineering,

Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Engineering Other

INFORMATICS FOR EDUCATORS AND PROFESSIONALS merupakan jurnal ilmiah yang diterbitkan oleh Program Studi Teknik Informatika STMIK BINA INSANI. Jurnal ini berisi tentang karya ilmiah hasil penelitian yang bertemakan: Networking, Aplikasi Sains, Animasi Interaktif, Pengolahan Citra, Sistem Pakar, Sistem Komputer, Soft Computing, Web Programming, Data Mining, Multimedia Application dan Sistem Penunjang Keputusan. Media komunikasi ilmiah diterbitkan dua kali setahun (Juni dan Desember).

Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)

Articles 150 Documents

6 7 8 9 10

Model Kesuksesan Sistem Teknologi Informasi Delone & McLean pada Sistem Informasi Pengelolaan Proyek Nadya Safitri
INFORMATICS FOR EDUCATORS AND PROFESSIONAL : Journal of Informatics Vol 4 No 2 (2020): INFORMATICS FOR EDUCATORS AND PROFESSIONAL : JOURNAL OF INFORMATICS (Juni 2020)
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat Universitas Bina Insani

Abstrak: Kualitas Informasi dan penggunaan merupakan variabel yang terdapat pada model kesuksesan sistem informasi yang dikemukakan oleh Wiliam H.Delone dan Ephraim R.McLean pada tahun 1992. Penelitian ini bertujuan untuk melakukan pengukuran kesuksesan sistem informasi dengan melihat pengaruh dari kualitas informasi terhadap penggunaan. Tahapan yang dilakukan dari penelitian ini dimulai dengan membuat hipotesis, menyebar kuesioner kepada pengguna sistem informasi pengelola proyek, dan mengelola data kuesioner. Data kuesioner dikelola menggunakan metode SEM yang di bantu aplikasi Lisrel. Hasil penelitian ini adalah melihat kesusksesan sistem informasi berdasarkan pengaruh kualitas informasi terhadap penggunaan apakah hipotesis yang dirumuskan diterima atau ditolak, serta adanya rekomendasi yang diberikan terhadap sistem yang sedang berjalan berdasarkan hasil pengolahan data. Kata kunci: kesuksesan sistem informasi, kualitas informasi, penggunaan, sistem pengelolaan proyek, SEM Abstract: Information quality and usage are the variables contained in the information system success model proposed by William H. Delone and Ephraim R. McLean in 1992. This study aims to measure the success of information systems by looking at the effect of information quality on usage. Stages made from this study began by making hypotheses, distributing questionnaires to project management information system users, and managing questionnaire data. Questionnaire data is managed using SEM method which is assisted by the Lisrel application. The results of this study are looking at the success of the information system based on the influence of information quality on the use of whether the formulated hypothesis is accepted or rejected, as well as the recommendations given to the current system based on the results of data processing. Keywords: information system success, information quality, usage, project management system, SEM

Sistem Pendukung Keputusan Dalam Pemilihan Belanja Online Marketplace Menggunakan Analytic Network Process (ANP) Asri Ayu Larasati; Anastasia Siwi Fatma Utami; Feri Prasetyo
INFORMATICS FOR EDUCATORS AND PROFESSIONAL : Journal of Informatics Vol 4 No 2 (2020): INFORMATICS FOR EDUCATORS AND PROFESSIONAL : JOURNAL OF INFORMATICS (Juni 2020)
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat Universitas Bina Insani

Abstrak: Penilaian untuk menentukan Marketplace selama ini dilakukan secara manual dan tentunya penilaian tersebut masih bisa dipengaruhi dengan faktor yang lain, maka dari itu penelitian ini dibuat untuk membantu menentukan Marketplace yang terbaik dengan cara meminta pendapat dan penilaian dari masyarakat umum pengguna Marketplace, setelah nilai tersebut didapat akan diinput kedalam system dan setelah semua nilai diinputkan akan langsung diketahui marketplace mana yang menjadi pilihan masyarakat dalam penelitian ini ada 5 (lima) alternative yang ditentukan oleh peneliti dan ada 3 kategori yang peneliti tetapan sebagai acuan yaitu: Harga, Minat, dan Promo dengan menggunakan metode hitung ANP (Analytic Network Process) dan perhitungannya dengan bantuan software Microsoft Excel dan hasil analisis kriteria terpilih pada penelitian ini didapatkan. Kriteria harga mendapatkan bobot sebesar (0,23), Kriteria promo mendapatkan bobot sebesar (0,10), sedangkan kriteria minat mendapatkan bobot sebesar (0,67) dari hasil perhitungan pembobotan diatas yang memiliki pembobotan terbesar dari pemilihan masyarakat yaitu kriteria minat dengan hasi (0,67). Sedangkan untuk pembobotan alternatif Bukalapak memiliki nilai tertinggi dengan hasil (1.00), dengan urutan kedua Shopee, Lazada, Tokopedia, dan yang terakhir adalah Blibli.com. dari hasil berikut diharapkan dapat membantu masyarakat untuk bahan pertimbangan dalam memilih aplikasi belanja marketplace. Kata kunci: ANP(Analytic Network Process), Kriteria, Marketplace. Abstract: The assessment to determine Marketplace so far has been done manually and of course the assessment can still be influenced by other factors, therefore this research was made to help determine the best Marketplace by asking for opinions and ratings from the general public Marketplace users, after the value is obtained will inputted into the system and after all inputted values will be immediately known which marketplace is the choice of the community in this study there are 5 (five) alternatives determined by the researcher and there are 3 categories that researchers set as references, namely: Price, Interest, and Promos using the method calculate ANP (ANALYTIC NETWORK PROCESS) and the calculation with the help of Microsoft Excel software and the results of analysis of selected criteria in this study was obtained. Price criteria get a weighting of (0.23), promo criteria get a weighting of (0.10), while the interest criteria get a weighting of (0.67) from the results of weighting calculation above which has the largest weighting of the community selection, namely the criteria of interest with the result (0.67). Whereas for alternative weighting Bukalapak has the highest score with results (1.00), in the second place Shopee, Lazada, Tokopedia, and the last is Blibli.com. the following results are expected to help the community for consideration in choosing a marketplace shopping application. Keywords: ANP (Analytic Network Process), Criteria, Marketplace.

Game Labirin Let’s Clear Up The World Menggunakan Metode Game Development Life Cycle Ahmad Chusyairi
INFORMATICS FOR EDUCATORS AND PROFESSIONAL : Journal of Informatics Vol 4 No 2 (2020): INFORMATICS FOR EDUCATORS AND PROFESSIONAL : JOURNAL OF INFORMATICS (Juni 2020)
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat Universitas Bina Insani

Game Labirin Let’s Clear Up The World menceritakan kisah seorang anak yang mencintai kebersihan dan keindahan untuk mengubah lingkungan kotor menjadi tempat yang lebih bersih. Untuk membersihkan area, anak tersebut harus menemukan seluruh sampah yang terdapat pada area itu dan memilahnya ke dalam tempat sampah sesuai dengan jenis sampah yang ditemukan. Tujuan game ini adalah mengumpulkan sampah dan mengubahnya menjadi alat untuk membasmi wabah yang ditimbulkan dari kerusakan lingkungan dari keadaan sebelumnya sehingga menjadikan lingkungan aman dan bebas dari wabah. Game Development Life Cycle digunakan sebagai metode dalam penelitian ini. Hasil yang didapatkan adalah Game Labirin Let’s Clear Up The World menumbuhkan kesadaran manusia terhadap kebersihan lingkungan yang dapat menyebabkan kerusakan lingkungan dan timbulnya wabah penyakit terutama keberadaan sampah yang menumpuk, sehingga menyebabkan perubahan lingkungan menjadi daerah kumuh dengan pertumbuhan wabah.

Implementasi dan Analisa Kinerja Jaringan Wide Area Network dengan Open VPN-Access Server Rian Septian Anwar; Nani Agustina
INFORMATICS FOR EDUCATORS AND PROFESSIONAL : Journal of Informatics Vol 4 No 2 (2020): INFORMATICS FOR EDUCATORS AND PROFESSIONAL : JOURNAL OF INFORMATICS (Juni 2020)
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat Universitas Bina Insani

Abstrak: Meningkatnya penggunaan internet di dunia, membuat trafik internet menjadi tinggi. Kebutuhan akan interkoneksi antar jaringan yang meningkat terutama pada perusahaan yang mempunyai banyak cabang. Oleh karena itu perusahaan dituntut untuk mengeluarkan budget lebih banyak lagi. Untuk meredam pengeluaran yang terlalu berlebih maka dibutuhkan dibutuhkan sebuah jaringan Virtual Private Network (VPN). Dengan memanfaatkan Open VPN-Access Server biaya yang dikeluarkan lebih murah dibandingkan dengan sewa VPN-IP yang relatif lebih mahal biayanya. Untuk jaringan yang lebih baik, maka harus ditopang dengan struktur topology terbaik menurut pemasangannya. Pemilihan topology pada awal pembangunan jaringan sangat penting untuk membuat akses Virtual Private Network (VPN) ini terkoneksi dengan baik. Kata kunci: VPN, Jaringan, Open VPN-Acces Server. Abstract: The increasing use of the internet in the world, making internet traffic become high. The need for interconnection between networks is increasing in companies with many branches. Therefore companies are required to spend even more budget. To reduce excess expenditure, a Virtual Private Network (VPN) is needed. By utilizing Open VPN-Server Access that is issued is cheaper compared to VPN-IP leases that are relatively more expensive. For better tissue, it must be supported by the best topological structure according to installation. The choice of topology at the beginning of network development is very important to make this Virtual Private Network (VPN) access well connected. Keywords: VPN, Networking, Open VPN-Acces Server.

K-Means Clustering Dalam Penerimaan Karyawan Baru Anggun Setiadi; Erma Delima Sikumbang
INFORMATICS FOR EDUCATORS AND PROFESSIONAL : Journal of Informatics Vol 4 No 2 (2020): INFORMATICS FOR EDUCATORS AND PROFESSIONAL : JOURNAL OF INFORMATICS (Juni 2020)
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat Universitas Bina Insani

Dalam penerimaan karyawan baru sulitnya bagian SDM PT. Erdikha Elit Sekuritas dalam mengelompokkan data-data karyawan baru dan tidak adanya sistem tes dalam pemilihan karyawan baru. Metode K-Means Clustering adalah salah satu metode cluster analysis non hirarki yang berusaha untuk mengelompokkan data-data yang ada satu atau lebih cluster atau kelompok, oleh karena itu metode ini sangat cocok digunakan untuk mengatasi permasalahan dalam mengelompokkan data-data calon karyawan baru dan mengimplementasikan menggunakan software RapidMiner dengan hasil penelitian 0,125% untuk cluster 1 yang berjumlah 2 data karyawan baru, 0,125% untuk cluster 2 yang berjumlah 2 data karyawan baru, dan 0,750% untuk cluster 3 yang berjumlah 12 data karyawan baru. Strategi pemilihan karyawan baru nantinya akan mengikuti cluster yang terbentuk berdasarkan data yang paling banyak diantara 3 cluster yang ada, yaitu di cluster ke- 3, karena dengan data cluster yang paling banyaklah yang lebih banyak memenuhi kriteria. Kata kunci: K-Means Clustering, Penerimaan Karyawan Baru Abstract: In the case of hiring new employees, the difficulty of the HR department of PT. Erdikha Elit Sekuritas in classifying new employee data and the absence of a test system in the selection of new employees. K-Means Clustering method is a non-hierarchical cluster analysis method that seeks to group existing data into one or more clusters or groups, therefore this method is very suitable to be used to overcome problems in grouping data on prospective new employees and implements using RapidMiner software with research results of 0.125% for cluster 1 which amounts to 2 new employee data, 0.125% for cluster 2 which amounts to 2 new employee data, and 0.750% for cluster 3 which amounts to 12 new employee data. The new employee selection strategy will follow the clusters formed based on the most data among the 3 existing clusters, namely in the 3rd cluster, because with the most data clusters that meet more the required criteria. Keywords: Acceptance of new employees, K-Means Clustering.

Pemantauan Kualitas Udara Terintegrasi dengan Semantic Web Of Thing M. Udin Harun Al Rasyid; Rengga Asmara; Hendi Yanuar Setianto
INFORMATICS FOR EDUCATORS AND PROFESSIONAL : Journal of Informatics Vol 4 No 2 (2020): INFORMATICS FOR EDUCATORS AND PROFESSIONAL : JOURNAL OF INFORMATICS (Juni 2020)
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat Universitas Bina Insani

Abstrak: Udara merupakan salah satu sumber daya alam yang paling penting bagi keberadaan makhluk hidup di bumi ini. Semua organisme hidup membutuhkan kualitas udara yang baik bebas dari gas berbahaya untuk melanjutkan hidup mereka. Beberapa organisasi telah membuat sistem monitoring dengan struktur data yang berbeda tanpa adanya standar penyamaan. Di sisi lain, manusia masih membutuhkan waktu untuk menafsirkan data-data sensor untuk mendapatkan informasi. Linked Data merupakan metode untuk merepresentasikan dan menghubungkan data terstruktur pada web. Data terstruktur tersebut diintegrasikan dengan Semantic Sensor Web (SSW) yang dipublikasikan pada beberapa format sehingga mudah dibaca mesin dan dapat dihubungkan ke data terstruktur lainnya. Kemudian, untuk menyajikan data yang aktual, sistem monitoring didesain untuk menerima data secara terus-menerus, diquery secara real-time dan dibagikan melalui sosial media. Kata kunci: Linked Data, Pemantauan Kualitas Udara, Semantic Web, Sosial Media. Abstract: Air is one of the most essential natural resources for the existence and survival of the entire life on this planet. all living organisms need good quality of air which is free of harmful gases to continue their life. Some organizations have set up monitoring systems with different data structures without an equalization standard. On the other hand, humans still need time to interpret sensor data to get information. Linked Data is a method for representing and connecting structured data on the web. The structured data is integrated with the Semantic Sensor Web (SSW) which is published in several formats so that it is easy to read and can be connected to other structured data. Then, to present the actual data, the monitoring system is designed to receive data continuously, queried in real time and shared through social media Keywords: Air Quality Monitoring, Linked Data, Semantic Web, Social Media

Prediksi Gejala Autism Spectrum Disorders pada Remaja Menggunakan Optimasi Particle Swarm Optimization dan Algoritma Support Vector Machine Ilham Kurniawan
INFORMATICS FOR EDUCATORS AND PROFESSIONAL : Journal of Informatics Vol 4 No 2 (2020): INFORMATICS FOR EDUCATORS AND PROFESSIONAL : JOURNAL OF INFORMATICS (Juni 2020)
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat Universitas Bina Insani

Abstrak: Telah ada peningkatan prevalensi diagnosis Autism Spectrum Disorder (ASD) secara global selama dekade terakhir. Perkiraan prevalensi ASD yang diperbarui dan keseluruhan di Asia akan membantu para profesional kesehatan untuk mengembangkan strategi kesehatan masyarakat yang relevan. Dalam penelitian ini, mengusulkan metode untuk prediksi gejala ASD menggunakan teknik integrasi seleksi fitur PSO dan algoritma Support Vector Machine. Penelitian ini menggunakan dataset dari UCI repository. Model yang diusulkan meliputi penerapan seleksi fitur menggunakan particle swarm optimization (PSO), dengan algoritma pengklasifikasi. Hasil akhir akan dilakukan perbandingan pengujian dan analisa terhadap model prediksi yang memiliki tingkat akurasi tertinggi atau terbaik dalam prediksi gejala ASD. Dalam penelitian ini menggunakan dataset UCI repository yaitu data ASD pada remaja, data tersebut memiliki jumlah data sebanyak 104 instance dan 21 atribut, 41 orang tidak menderita ASD dan 63 orang menderita ASD, tools yang digunakan untuk menerapkan model usulan menggunakan aplikasi Weka versi 3.8.4. Untuk mengetahui model usulan yang diajukan pada penelitian ini, pertama menguji dengan klasifikasi tunggal SVM, dan kedua, menguji dengan seleksi fitur PSO dan algoritma klasifikasi SVM. Untuk mengetahui apakah seleksi fitur PSO berpengaruh terhadap performa algoritma klasifikasi SVM. Pengujian pertama, nilai akurasi yang dihasilkan oleh algoritma klasifikasi SVM adalah sebesar 89.42%, dan nilai AUC sebesar 0.891. Berdasarkan pengujian yang kedua yaitu menggunakan seleksi fitur PSO, seleksi fitur PSO dapat meningkatkan performa algoritma klasifikasi SVM sebesar 2,88% dan nilai AUC sebesar 0,024. Kata kunci: Autism Spectrum Disorder, Particle Swarm Optimizatio, Support Vector Machine Abstract: There has been an increase in the prevalence of diagnoses of Autism Spectrum Disorder (ASD) globally over the past decade. Updated and overall ASD prevalence estimates in Asia will help health professionals to develop relevant public health strategies. In this study, proposing a method for ASD symptom prediction using PSO feature selection integration techniques and the Support Vector Machine algorithm. This study uses a dataset from the UCI repository. The proposed model includes the application of feature selection using particle swarm optimization (PSO), with the classification algorithm. The final result will be a comparison test and analysis of prediction models that have the highest or best accuracy in predicting ASD symptoms. In this study using the UCI repository dataset, ASD data on adolescents, the data has 104 data and 21 attributes, 41 people do not suffer from ASD and 63 people suffer from ASD, tools used to implement the proposed model using the Weka application version 3.8.4 . To find out the proposed model proposed in this study, firstly testing with SVM single classification, and secondly, testing with PSO feature selection and SVM classification algorithm. To find out whether the PSO feature selection affects the performance of the SVM classification algorithm. The first test, the accuracy value generated by the SVM classification algorithm is 89.42%, and the AUC value is 0.891. Based on the second test using PSO feature selection, PSO feature selection can improve the performance of the SVM classification algorithm by 2.88% and the AUC value of 0.024. Keywords: Autism Spectrum Disorder, Particle Swarm Optimizatio, Support Vector Machine.

Fungsi Date dalam Data Manipulation Language Dengan Bahasa Query Menggunakan SQL Server 2008 Didik Setiyadi; Henderi Henderi; Rita Wahyuni Arifin
INFORMATICS FOR EDUCATORS AND PROFESSIONAL : Journal of Informatics Vol 4 No 2 (2020): INFORMATICS FOR EDUCATORS AND PROFESSIONAL : JOURNAL OF INFORMATICS (Juni 2020)
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat Universitas Bina Insani

Abstrak: Fungsi date dalam melakukan manipulasi data dengan bahasa query merupakan fungsi yang diperuntukkan bagi data, variable atau field yang berkaitan dengan data tanggal dan dapat pula diterapkan untuk data dari tanggal sistem komputer yang sedang aktif. Fungsi tanggal dalam SQL (Structured Query Language) meliputi fungsi DateAdd, DateIff, DatePart, DateName dan GetDate. Data Manipulation Language (DML) merupakan bahasa basis data yang berfungsi untuk melakukan penelusuran data pada suatu basis data didalam DBMS (Database Management System) diantaranya melakukan insert data, delete data, update data dan penelurusan data (query). SQL (Structured Query Language) terdiri dari sintaks sederhana dalam bentuk instruksi-instruksi dalam melakukan manipulasi data, instruksi tersebut sering disebut dengan query. Sedangkan untuk proses query merupakan kemampuan untuk melakukan penelusuran data dari basis data, data yang ditampilkan bisa dari satu atau lebih tabel, dimana kolom-kolom yang dipilih bisa kita tentukan sendiri. Pada penulisan ini akan dibahas tentang bagaimana melakukan operasi query untuk fungsi date dengan menggunakan SQL Server 2008. Langkah awal yang dilakukan adalah dengan mengambil studi kasus database Nilai Mahasiswa yang telah terbentuk diagrammnya beserta isi datanya. Selanjutnya bagaimana melakukan operasi dengan menggunakan fungsi DateAdd, DateIff, DatePart, DateName dan GetDate untuk melakukan penelusuran data dengan menggunakan DBMS SQL Server 2008. Kata Kunci: Fungsi date, DML, Query, Sql Server 2008, Nilai Mahasiswa. Abstract: The date function in manipulating data with the query language is a function that is intended for data, variables or fields relating to date data and can also be applied to data from the date of an active computer system. Date functions in SQL (Structured Query Language) include DateAdd, DateIff, DatePart, DateName and GetDate functions. Data Manipulation Language (DML) is a database language that functions to search data in a database in a DBMS (Database Management System) including inserting data, deleting data, updating data and searching data (query). SQL (Structured Query Language) consists of simple syntax in the form of instructions in manipulating data, these instructions are often called queries. As for the query process, it is the ability to search data from a database, the data displayed can be from one or more tables, where the columns we choose can be determined by us. At this writing will be discussed about how to perform a query operation for the date function using SQL Server 2008. The initial step is to take a case study of the Student Value database that has been formed diagramm along with the contents of the data. Next how to perform operations using the DateAdd, DateIff, DatePart, DateName and GetDate functions to perform data tracing using SQL Server 2008 DBMS. Keywords: Date function, DML, Query, Sql Server 2008, Student Value.

Particle Swarm Optimization pada Analisa Review Software Antivirus Menggunakan Metode K-Nearest Neighbors Sucitra Sahara; Rizqi Agung Permana; Hariyanto Hariyanto
INFORMATICS FOR EDUCATORS AND PROFESSIONAL : Journal of Informatics Vol 4 No 2 (2020): INFORMATICS FOR EDUCATORS AND PROFESSIONAL : JOURNAL OF INFORMATICS (Juni 2020)
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat Universitas Bina Insani

Abstrak: Virus pada komputer menjadi hal yang membahayakan bagi para pengguna komputer perorangan maupun perusahaan yang telah menerapkan sistem terkomputerisasi. Virus program yang didesain untuk tujuan jahat dapat merusak bagian tertentu dari komputer, bahkan yang paling merugikan adalah dapat merusak data penting pada perusahaan. Dalam hal ini maka diciptakanlah sebuah software anti virus, perkembangan anti virus selalu lebih lambat dari virus itu sendiri, sehingga peneliti akan mengadakan penyeleksian software anti virus pada suatu opini atau berdasarkan komentar masyarakat yang telah menggunakan software anti virus produk tertentu dan dituangkan ke media online seperti komentar pada suatu situs penjualan produk tersebut. Berdasarkan ribuan komentar akan diolah dan dikelompokkan pada jenis kata teks positif dan teks negatif, dan peneliti membuat klasifikasi data dengan menggunakan metode algoritma k-Nearest Neighbor (k-NN), algoritma k-NN adalah salah satu algoritma yang sesuai dalam penelitian kali ini. Peneliti menemukan bahwa algoritma k-NN mampu mengolah data set yang sudah dikelompokan pada teks positif dan negatif khususnya dalam pemilihan teks, dan penerapan metode optimasi Particle Swarm Optimization (PSO) yang dikombinasikan dengan k-NN diharapkan mampu meningkatkan nilai akurasi sehingga datanya lebih kuat dan valid. Sebelum data set diolah menggukanan optimasi PSO hanya menggunakan metode k-NN akurasi data yang diperoleh 70,50% sedangkan hasil akurasi setelah penggunaan metode k-nn dan optimasi PSO didapatkan nilai akurasi sebesar 83,50%. Dapat disimpulkan bahwa penggunaan optimasi PSO dan metode k-NN sangat sesuai pada konsep text mining dan penyeksian pada data set berupa text. Kata kunci: Analisis Review, Optimasi Particle Swarm Optimization, Metode k-Nearest Neighbor. Abstract: Viruses on computers become dangerous for individual computer users and companies that have implemented computerized systems. Virus programs that are designed for malicious purposes can damage certain parts of the computer, even the most detrimental is that it can damage important data on the company. In this case an anti-virus software is created, the development of anti-virus is always slower than the virus itself, so researchers will conduct an anti-virus software selection on an opinion or based on public comments that have used a particular product's anti-virus software and poured it into online media such as comment on a product sales site. Of the thousands of comments will be processed and grouped on the type of positive and negative text words, and researchers make data classification using the k-Nearest Neighbor (k-NN) algorithm method, the k-NN algorithm is one of the appropriate algorithms in this study. The researcher found that the k-NN algorithm is able to process data sets that have been grouped in positive and negative texts, especially in text selection, and the application of the Particle Swarm Optimization (PSO) optimization method combined with k-NN is expected to be able to increase the accuracy value so that the data is stronger and valid. Before the data set is processed using PSO optimization only using the k-NN method the accuracy of the data obtained is 70.50% while the accuracy results after the use of the k-nn method and PSO optimization obtained an accuracy value of 83.50%. It can be concluded that the use of PSO optimization and the k-NN method are very compatible with the concept of text mining and correction of text data sets. Keywords: Analysis Review, k-Nearest Neighbor Method, Particle Swarm Optimization optimization

Pengujian Black Box pada Aplikasi Ecampus Menggunakan Metode Equivalence Partitioning Rully Pramudita
INFORMATICS FOR EDUCATORS AND PROFESSIONAL : Journal of Informatics Vol 4 No 2 (2020): INFORMATICS FOR EDUCATORS AND PROFESSIONAL : JOURNAL OF INFORMATICS (Juni 2020)
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat Universitas Bina Insani

Salah satu tahapan penting dalam pengembangan sebuah perangkat lunak yaitu tahap pengujian. Teknik testing dibagi menjadi dua yaitu black box testing dan white box testing. Pada penelitian akan menerapkan teknik pengujian black box. Teknik pengujian black box terdiri dari, Equivalence Partitioning, Boundary Value Analysis / Limit Testing, Comparison Testing, Sample Testing, Robustness Testing, Behavior Testing, Requirement Testing, Performance Testing, Endurance Testing, Cause-Effect Relationship Testing. Salah satu yang akan diterapkan dalam penelitian ini yaitu teknik equivalence partitioning. Teknik ini ujicoba yang dilakukan berdasarkan tujuh tahapan, yaitu menentukan use case yang diuji, tentukan kriteria, definisikan partisi, buat data uji, buat kasus uji, lakukan pengujian dan evaluasi. Hasil pengujian nantinya akan menghasilkan feedback untuk masukan bagi pengelola ecampus. Kata kunci: Aplikasi, Black box, Ecampus, Ekuivalence partitioning, Pengujian Abstract: One important stage in the development of a software is the testing phase. Testing techniques are divided into two namely black box testing and white box testing. In the study will apply black box testing techniques. Black box testing techniques consist of, Equivalence Partitioning, Boundary Value Analysis / Limit Testing, Comparison Testing, Sample Testing, Robustness Testing, Behavior Testing, Requirement Testing, Performance Testing, Endurance Testing, Cause-Effect Relationship Testing. One that will be applied in this research is equivalence partitioning technique. This technique is based on seven stages of testing, namely determining the tested use case, determining criteria, defining partitions, creating test data, making test cases, testing and evaluating. The test results will later produce feedback for input for ecampus managers. Keywords: Application, Black box, Ecampus, Ekuivalence partitioning, Testing

Page 8 of 15 | Total Record : 150

6 7 8 9 10

Filter by Year

2016 2023

Filter By Issues

Home Page

OAI Link

Editorial Team

Contact

Reviewer

Google Scholar

Contact Name
Rully Pramudita

Contact Email
rullypramudita@binainsani.ac.id

Phone
+6282218441010

Journal Mail Official
itbi@binainsani.ac.id

Editorial Address
Jl. Raya Siliwangi No. 6 Rawa Panjang Bekasi Timur Kota Bekasi, Jawa Barat

Location
Kab. bekasi,

Jawa barat

INDONESIA

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Home Page

OAI Link

Editorial Team

Contact

Reviewer

Google Scholar

Contact Name Rully Pramudita

Contact Email rullypramudita@binainsani.ac.id

Phone +6282218441010

Journal Mail Official itbi@binainsani.ac.id

Editorial Address Jl. Raya Siliwangi No. 6 Rawa Panjang Bekasi Timur Kota Bekasi, Jawa Barat

Location Kab. bekasi, Jawa barat INDONESIA

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Contact Name
Rully Pramudita

Contact Email
rullypramudita@binainsani.ac.id

Phone
+6282218441010

Journal Mail Official
itbi@binainsani.ac.id

Editorial Address
Jl. Raya Siliwangi No. 6 Rawa Panjang Bekasi Timur Kota Bekasi, Jawa Barat

Location
Kab. bekasi,

Jawa barat

INDONESIA