cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Agus Tedyyana
Contact Email
Agus Tedyyana
Phone
-
Journal Mail Official
agustedyyana@polbeng.ac.id
Editorial Address
-
Location
Kab. bengkalis,
Riau
INDONESIA
INOVTEK Polbeng - Seri Informatika
Published by Politeknik Negeri Bengkalis
ISSN : 25279886     EISSN : -     DOI : -
Core Subject : Science,
Computer Science & IT
Jurnal Inovasi dan Teknologi Seri Informatika (Jurnal INOVTEK Polbeng - Seri Informatika) Politeknik Negeri Bengkalis merupakan jurnal informatika berbasis penelitian ilmiah. Jurnal ini diharapkan dapat sebagai wadah akademisi, peneliti dan praktisi menyebarkan hasil penelitian. Jurnal INOVTEK Polbeng - Seri Informatika menerbitkan naskah berkaitan dengan Web and Mobile Computing, Image processing, System Cerdas, Sistem Informasi, Database, DSS, IT project management, Geographical Information System, Teknologi Informasi, Computer Network and Security, Wireless Sensor Network, dan lainya.
Arjuna Subject : -
Articles 35 Documents
 1   2   3   4 
Search results for , issue "Vol 9, No 1 (2024)" : 35 Documents clear
RANCANG BANGUN APLIKASI SISTEM INFORMASI SEMINAR PRAKTISI POLBENG BERBASIS WEB MENGGUNAKAN METODE EXTREME PROGRAMMING supendi, supendi; Jamaris, Muhamad; Nurjayadi, Nurjayadi; Karpen, Karpen
Jurnal Inovtek Polbeng Seri Informatika Vol 9, No 1 (2024)
Publisher : P3M Politeknik Negeri Bengkalis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35314/isi.v9i1.4231

Abstract

A practitioner seminar is an event where professionals in a specific field share their experiences and skills. The implementation of the Extreme Programming method in creating an Information System for Practitioner Seminars at Politeknik Negeri Bengkalis can be done effectively. Currently, the management of seminar data at Politeknik Negeri Bengkalis is still manual, including participant registration, attendance, and certificates. The current system results in poor data storage and the manual one-by-one distribution of seminar certificates to participants. This research aims to design and develop a system that will facilitate the management of seminar participant data. The system applied in this research is titled "Design and Development of a Web-Based Information System for Practitioner Seminars at Polbeng Using the Extreme Programming Method." The author hopes that this system will help manage practitioner seminar data efficiently and simplify data retrieval when needed. This system includes features such as participant data management, seminar registration, event scheduling, and participant certificates.
Sentimen Analisis Pada Ulasan Aplikasi Ajaib Di Google Play Store Dengan Algoritma Support Vector Machine Syahri, Alfi; Angraini, Angraini; Muttakin, fitriani
Jurnal Inovtek Polbeng Seri Informatika Vol 9, No 1 (2024)
Publisher : P3M Politeknik Negeri Bengkalis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35314/isi.v9i1.4047

Abstract

Perkembangan aplikasi mobile di bidang keuangan telah memberikan kemudahan dalam berinvestasi. Salah satu aplikasi yang bisa melakukan investasi adalah aplikasi Ajaib. Dalam menggunakan aplikasi, Anda dapat melihat rating dan review yang diberikan oleh pengguna di platform Google Play Store. Ulasan pengguna pada Aplikasi Ajaib memberikan gambaran penting bagi calon pengguna dalam memahami kualitas dan kepuasan pengguna. Namun, banyaknya tinjauan membuat analisis manual menjadi sulit dan tidak efisien. Oleh karena itu diperlukan suatu teknik klasifikasi review yang memanfaatkan algoritma Support Vector Machine (SVM). Implementasinya dilakukan melalui bahasa pemrograman Python. Teknik Support Vector Machine menunjukkan akurasi luar biasa dalam menangani data berdimensi tinggi dan data tidak seimbang. Tujuan dari penelitian ini adalah untuk memfasilitasi kemajuan Aplikasi Ajaib dengan memanfaatkan umpan balik yang diberikan, mengatasi keluhan pelanggan, dan meningkatkan pengalaman pengguna secara keseluruhan. Data yang digunakan diambil dari review aplikasi sebanyak 5000 data dengan rating yang bervariasi pada bulan Januari hingga Oktober 2023. Berdasarkan hasil penelitian diperoleh akurasi sebesar 87,57%. Pada kelas positif diperoleh presisi 93%, recall 97%, dan skor f-1 95%. Sedangkan kelas netral memperoleh presisi sebesar 75%, recall 53%, dan skor f-1 sebesar 62%. Serta pada kelas negatif mendapatkan presisi sebesar 75%, recall sebesar 87%, dan skor f-1 sebesar 80%.
Analisis Kepuasan Pengguna Akhir Aplikasi Mytelkomsel Menggunakan Metode End User Computing Satisfaction (EUCS) Anahyu, Yelfi Dwi; Zarnelly, Zarnelly; Rozanda, Nesdi Evrilyan; Megawati, Megawati
Jurnal Inovtek Polbeng Seri Informatika Vol 9, No 1 (2024)
Publisher : P3M Politeknik Negeri Bengkalis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35314/isi.v9i1.3998

Abstract

Aplikasi MyTelkomsel merupakan layanan yang diciptakan Telkomsel berbentuk aplikasi sehingga memberikan kemudahan kepada pengguna dalam mengelola akun dan mengakses layanan menggunakan smartphone. Tujuan penelitian ini adalah untuk menilai pengaruh variabel isi, keakuratan, bentuk, kemudahan pengguna, dan ketepatan waktu terhadap user satisfaction (kepuasan pengguna) aplikasi Mytelkomsel, dengan harapan hasilnya dapat meningkatkan user satisfaction di masa mendatang. Penelitian ini menggunakan metode End User Computing Satisfaction (EUCS) dengan lima variabel bebas : isi, keakuratan, bentuk, kemudahan pengguna, ketepatan waktu, serta satu variabel terikat user satisfaction. untuk proses pengumpulan data sebagai bahan penelitian maka dilakukan penyebaran kusioner secara online kepada pengguna aktif aplikasi Mytelkomsel versi terbaru dan data diolah menggunakan perangkat lunak SPSS 26. Hasil penelitian menunjukkan bahwa dari uji T parsial, setiap dari lima variabel, yaitu Variabel isi, keakuratan, bentuk, kemudahan pengguna, ketepatan waktu, menunjukkan pengaruh yang significant terhadap user satisfaction, sehingga hipotesis H1, H2, H3, H4, dan H5 dapat diterima. Hasil uji F juga mengindikasikan bahwa secara bersama-sama, Isi, keakuratan, bentuk, kemudahan pengguna, ketepatan waktu mempengaruhi user satisfaction aplikasi Mytelkomsel, sehingga H6 diterima. Variabel independen yang paling dominan memengaruhi user satisfaction adalah Format sebab memiliki hasil koefisien regresi tertinggi pada analisa regresi linier berganda.
SISTEM INFORMASI MONITORING INSYIRA PEKANBARU BERBASIS WEB MENGGUNAKAN AGILE DEVELOPMENT Novansyah, Rizky; Novita, Rice; Munzir, Medyantiwi Rahmawati; Nursalisah, Febi
Jurnal Inovtek Polbeng Seri Informatika Vol 9, No 1 (2024)
Publisher : P3M Politeknik Negeri Bengkalis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35314/isi.v9i1.3813

Abstract

Perkembangan teknologi informasi saat ini memiliki dampak signifikan pada berbagai aspek kehidupan di Indonesia. Sistem Informasi Manajemen (SIM) menjadi elemen kunci bagi pelaku bisnis, termasuk Rumah Produksi Insyira di Pekanbaru, untuk meningkatkan efisiensi dan produktivitas. Meski demikian, rumah produksi ini menghadapi tantangan dalam mengelola bahan baku dan proses produksi, sehingga memerlukan solusi yang efektif. Penelitian ini bertujuan untuk merancang dan menerapkan "Sistem Informasi Monitoring Satu Pintu" di Rumah Produksi Insyira, berdasarkan metode Agile Development dan pendekatan Object Oriented Analysis Design (OOAD). Fokusnya adalah mengoptimalkan pengumpulan dan pemrosesan data produksi, mempermudah pemantauan stok bahan baku, serta mendukung pengambilan keputusan manajemen. Dengan adopsi sistem ini, diharapkan efisiensi dan efektivitas produksi Rumah Produksi Insyira dapat meningkat. Keamanan data menjadi perhatian utama dalam pengembangan sistem ini. Implementasi ini diharapkan dapat meningkatkan kualitas produk, memperbaiki efisiensi waktu produksi, dan memberikan dukungan yang lebih baik dalam pengambilan keputusan manajemen. Secara keseluruhan, diharapkan "Sistem Informasi Monitoring Satu Pintu" menjadi solusi terintegrasi yang mendukung pertumbuhan dan keberlanjutan bisnis Rumah Produksi Insyira. Sistem ini telah didukung dan diuji menggunakan metode pengujian blackbox dan User Acceptance Testing (UAT), dengan hasil nilai 96%, menunjukkan penerimaan yang baik dari pengguna.
Prediksi Harga Bitcoin Menggunakan Algoritma Long Short Term Memory (LSTM) Febriansyah, Febriansyah; Sujjada, Alun; Sembiring, Falentino
Jurnal Inovtek Polbeng Seri Informatika Vol 9, No 1 (2024)
Publisher : P3M Politeknik Negeri Bengkalis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35314/isi.v9i1.4247

Abstract

Cryptocurrency is a digital currency made from sequence code or called blockchain, one of the cryptocurrencies is bitcoin. Prediction is a process that projects or imagines what might happen in the future based on data in the past or factors that influence the current situation. Bitcoin price prediction uses a deep learning approach with the Long Short Term Memory method. Long Short-Term Memory is a type of model from the Recurrent Neural Network (RNN) algorithm, a method designed to process data and can overcome the problem of price movements that have long-term dependencies that cannot be handled by traditional RNN models, the LSTM model has the ability “Remembers” information over long periods of time, so as to recognize patterns and trends. In this study, the prediction period used a dataset from 12 December 2020 to 14 April 2024. The evaluation results for the RMSE method for train data were 17318.40 and for test data were 27921.84 and for the MAPE method for train data it was 3.24% and for test data it was 3.24%. 5.36%. This shows that the RMSE and MAPE values in the data train are relatively small because they are vulnerable to the bitcoin price being too wide.
Optimasi Algoritma Support Vector Machine (SVM) Dengan Menggunakan Feature Selection Gain Ratio Untuk Analisis Sentimen Yamin, Mochamad Amzah; Kusnadi, Kusnadi; Bayuaji, Luhur
Jurnal Inovtek Polbeng Seri Informatika Vol 9, No 1 (2024)
Publisher : P3M Politeknik Negeri Bengkalis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35314/isi.v9i1.4197

Abstract

The ease of internet access has had a positive impact on the increase in the number of social media users in Indonesia. One of the most widely used applications is X or Twitter. Users often upload posts that contain opinions or sentiments, which trigger debates and discussions. This is interesting to analyze as a study of sentiments or opinions that are trending in society. For this analysis, algorithms such as Support Vector Machine (SVM) are required, which are often used for sentiment analysis. However, SVM lacks in accuracy due to the large number of similar words in the dataset. Words related to sentiment analysis usually have large dimensions, so feature selection is needed to improve SVM performance. This research aims to optimize SVM accuracy by using Feature Selection Gain Ratio. The object of research is a dataset related to the 2017 DKI elections from GitHub. The results showed an increase in SVM accuracy with Feature Selection Gain Ratio. With threshold weight gain ratio 0.0001 (1732 features), accuracy increases from 61.63% to 71.51%. For threshold weights 0.002 (518 features), the accuracy increased from 61.63% to 62.79%. Feature selection with Feature Selection Gain Ratio gain ratio produces better accuracy than gain ratio, namely 56.40% with gain ratio and 71.51% with gain ratio for weights 0.0001. The implications of these findings show that the use of Feature Selection Gain Ratio can improve the accuracy of SVM in sentiment analysis. Social media practitioners can utilize this technique to gain more accurate insights from user data. Further research can focus on developing sentiment analysis algorithms with more sophisticated feature selection techniques for various applications on social media platforms.
PENGEMBANGAN KNOWLEDGE MANAGEMENT SYSTEM UNTUK PENINGKATAN PEMAHAMAN PEGAWAI DI BADAN PERENCANAAN DAN PEMBANGUNAN DAERAH KOTA MEDAN Syazwina, Azra Diro; Ikhwan, Ali
Jurnal Inovtek Polbeng Seri Informatika Vol 9, No 1 (2024)
Publisher : P3M Politeknik Negeri Bengkalis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35314/isi.v9i1.4039

Abstract

Pengetahuan adalah aset berharga yang harus diperlakukan dengan baik disetiap lembaga atau organisasi. Untuk membantu proses kerjanya dalam meningkatkan pemahaman serta rencana dan perumusan kebijakan, Badan Perencanaan dan Pembangunan Daerah (BAPPEDA) Kota Medan membutuhkan transfer pengetahuan yang efektif. Tujuan dari penelitian ini ialah untuk mengembangkan sebuah Knowledge Management System (KMS) berbasis website guna membantu pengelolaan, penyimpanan, penyebarluasan, dan identifikasi sumber daya pengetahuan pada BAPPEDA Kota Medan. Metode pengembangan sistem yang digunakan adalah waterfall dengan tahapan penelitian berupa analisis, desain, pengkodean, pengujian dan pemeliharaan dengan menggunakan kerangka kerja Laravel dan bahasa pemrograman HTML, PHP, dan MySQL untuk manajemen server database. Pengujian dilakukan menggunakan metode Black Box Texting yang mengkonfirmasi bahwa sistem beroperasi sesuai dengan tujuan yang dimaksudkan. KMS yang dikembangkan berhasil mengelola, menyimpan, menyebarluaskan, dan mengidentifikasi pengetahuan secara terpusat dalam bentuk digital untuk memudahkan pegawai mengakses dan berbagi pengetahuan guna meningkatkan pemahaman pegawai serta mendukung perumusan kebijakan dan rencana pembangunan daerah.
Analisa Marketplace Facebook terhadap Kepuasan Pengguna dengan menggunakan Metode E-Servqual Alfarizi, Farrelino; Rahmawita, Medyantiwi
Jurnal Inovtek Polbeng Seri Informatika Vol 9, No 1 (2024)
Publisher : P3M Politeknik Negeri Bengkalis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35314/isi.v9i1.3932

Abstract

Pada tahun 2016, fitur baru Marketplace diluncurkan di aplikasi Facebook. Sesuai namanya, ini adalah pasar online yang melayani berbagai transaksi jual beli penggunanya. Meskipun begitu, Marketplace Facebook masih belum menjadi pilihan utama oleh para pengguna yang ingin berbelanja online. Adapun latar belakang untuk penelitian ini yaitu ditemukannya beberapa permasalahan oleh pengguna Marketplace Facebook seperti ketika ingin mencari produk, beberapa produk tidak muncul. Lalu fitur yang ada di Marketplace Facebook dirasa masih kurang dibandingkan dengan E-Commerce lain, seperti tidak adanya fitur live, fitur keranjang, dan fitur tracking barang. Penelitian ini juga dirasa penting untuk mengukur kepuasan pengguna terhadap layanan yang  ada di Marketplace Facebook, dan juga agar mengetahui variabel yang dominan dalam mempengaruhi kepuasan pengguna. Data yang dikumpulkan melalui penyebaran kuesioner kepada sampel sebanyak 95 orang, dengan studi kasus dari penelitian ini yaitu Grup Lapak Online Perawang. Untuk pengolahan datanya dilakukan dengan menggunakan bantuan aplikasi SMART-PLS 4. Menurut hasil, didapat sebuah kesimpulan bahwa ada 5 variabel yang memiliki hubungan secara signifikan dan dianggap telah memenuhi harapan, yaitu Variabel Fulfillment, Contact, Privacy, Responsivness dan Efficiency. Sedangkan 2 Variabel lainnya yaitu Compensation, dan System Avaibility masih belum memenuhi harapan pengguna. Hal ini menunjukkan bahwa pengguna masih cukup puas dan menawarkan 2 rekomendasi perbaikan.
Pengembangan Sistem Deployment Deteksi untuk Kista Ginjal pada Citra Ct Scan dengan Metode Yolo Salam, Abu; Pawidya, Novandra Putra
Jurnal Inovtek Polbeng Seri Informatika Vol 9, No 1 (2024)
Publisher : P3M Politeknik Negeri Bengkalis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35314/isi.v9i1.4232

Abstract

Kidney cysts are a medical condition characterized by the formation of fluid-filled sacs on the kidneys, where CT scan image analysis is crucial for diagnosis and management. This study aims to develop a YOLOv5-based object detection model to identify kidney cysts in CT scan images. The research methodology involved training the model with a public dataset from Kaggle and validating it using private clinical data, with manual annotation conducted by a radiographer to ensure data accuracy. The results indicate that the YOLOv5 model achieved high performance with a Mean Average Precision (mAP) of 99.3%, a precision of 97.4%, and a recall of 99.1%. The model was successfully integrated into a Flask-based application, facilitating real-time kidney cyst detection in clinical practice. Consequently, this study demonstrates that the use of YOLOv5 can effectively support medical diagnosis, enhancing the accuracy and speed of kidney cyst detection, and offering a practical and innovative diagnostic tool for healthcare professionals. These findings open up opportunities for applying similar deep learning technologies to other medical conditions, significantly contributing to technological advancements in healthcare.
Komparasi Algoritma Naïve Bayes dan Support Vector Machine (SVM) pada Analisis Sentimen Capcut Zai, Charles; Isnain, Auliya Rahman
Jurnal Inovtek Polbeng Seri Informatika Vol 9, No 1 (2024)
Publisher : P3M Politeknik Negeri Bengkalis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35314/isi.v9i1.4054

Abstract

Capcut adalah platform pengeditan video yang dapat digunakan pada smartphone Android, PC, dan browser. Dengan fitur-fiturnya yang inovatif dan kreatif, Capcut terus berupaya untuk meningkatkan kualitas layanannya melalui update berkala. Namun, setiap perubahan tidak selalu sesuai dengan apa yang diharapkan semua pengguna. Ini mengakibatkan berbagai perspektif dan pengalaman dengan aplikasi Capcut, yang tercermin dalam ulasan pengguna di Play Store. Salah satu langkah penting untuk memahami persepsi dan pengalaman pengguna dengan Capcut adalah melaksanakan analisa sentimen. Pada analisis ini melakukan komparasi algortima naïve bayes dan SVM dengan menerapkan optimasi SMOTE. Hasil komparasi pada algoritma naïve bayes mempunyai akurasi 81% dan algoritma SVM mempunyai akurasi 86%, yang menunjukkan bahwa kedua algortima memiliki senimen positif yang lebih baik daripada sebelum menggunakan SMOTE. Disimpulkan dari kedua algoritma bahwa model Support Vector Machine (SVM) terbukti algoritma terbaik. Hasil visualisasi wordcloud sentimen positif mengacu pada kepuasan pengguna dan fitur yang disukai, sedangkan hasil visualisasi wordcloud negatif mengacu pada ketidaknyamanan pengguna dalam melakukan proses pengeditan video.

Page 3 of 4 | Total Record : 35

 1   2   3   4 

Filter by Year

2024 2024


Reset
Filter By Issues
All Issue Vol 9, No 1 (2024) Vol 8, No 2 (2023) Vol 8, No 1 (2023) Vol 7, No 2 (2022) Vol 7, No 1 (2022) Vol 6, No 2 (2021) Vol 6, No 1 (2021) Vol 5, No 2 (2020) Vol 5, No 1 (2020) Vol 4, No 2 (2019) Vol 4, No 1 (2019) Vol 3, No 2 (2018) Vol 3, No 1 (2018) Vol 2, No 2 (2017) Vol 2, No 1 (2017) Vol 1, No 2 (2016) Vol 1, No 1 (2016) More Issue