cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Rochmat Aldy Purnomo
Contact Email
purnomo@umpo.ac.id
Phone
-
Journal Mail Official
komputek@umpo.ac.id
Editorial Address
-
Location
Kab. ponorogo,
Jawa timur
INDONESIA
KOMPUTEK
Published by Universitas Muhammadiyah Ponorogo
ISSN : 26140985     EISSN : 26140977     DOI : -
Core Subject : Science, Engineering,
Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Mechanical Engineering
Jurnal Mahasiswa Teknik (Mesin, Elektro dan Informatika) Universitas Muhammadiyah Ponorogo ISSN : 2614-0985 (media cetak) ISSN : 2614-0977 (media online)
Arjuna Subject : -
Articles 203 Documents
 15   16   17   18   19 
Implementasi Algoritma Naïve Bayes Pada Analisis Sentimen Terhadap Ulasan Aplikasi DeepL Translate Di Play Store Komarudin, Ahmad; Ayyubi, Reza Al; Arif, Zainul; Kamayani, Mia
KOMPUTEK Vol. 8 No. 1 (2024): April
Publisher : Universitas Muhammadiyah Ponorogo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24269/jkt.v8i1.2604

Abstract

Perkembangan teknologi semakin maju dengan pesat, hingga terciptanya sebuah smartphone yang didalamnya tersedia berbagai fitur-fitur canggih. Play Store merupakan layanan yang dibuat oleh Google untuk pengunduhan berbagai aplikasi, game, buku digital, film secara gratis maupun berbayar. Salah satu aplikasi yang tersedia pada Play Store adalah DeepL Translate, yang merupakan aplikasi yang bisa menerjemahkan berbagai bahasa dengan menerapkan Artificial Intelegent (AI) didalamnya. Tujuan penelitian ini yaitu untuk mengevaluasi aplikasi DeepL Translate melalui analisis sentimen pada ulasan menggunakan algoritma Naïve Bayes untuk mengetahui seberapa puas pengguna dalam menggunakan aplikasi ini. Pengambilan data ulasan dilakukan menggunakan teknik scrapping dengan Google Colab sebanyak 995 data, kemudian jumlah dataset berubah menjadi 939 ulasan setelah melalui proses preprocessing dengan data positif sebanyak 771 dan 168 untuk data negatif. Dataset kemudian diseimbangkan menggunakan SMOTE dan diklasifikasikan dengan algoritma Naïve Bayes. Algoritma ini dipakai karena menggunakan probabilitas yang sederhana dan efektif dalam mengklasifikasikan sebuah data. Hasil implementasi algoritma diperoleh accuracy sebesar 93,71%, precision sebesar 98,84%, dan recall sebesar 88,85%, dengan teknik evaluasi yang digunakan adalah confussion matrix.
Sistem Pakar Diagnosa Penyakit Lobster Air Tawar Menggunakan Metode Certainty Factor Berbasis Web Ihsan, Mochammad Solakhuddin; Hariono, Tholib; Yaqin, Nurul
KOMPUTEK Vol. 8 No. 1 (2024): April
Publisher : Universitas Muhammadiyah Ponorogo

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

Abstract

Lobster air tawar merupakan binatang air yang tengah naik daun dan sedang marak dibudidayakan oleh para petani lobster. Hal ini disebabkan karena lobster memiliki rasa yang nikmat dan juga warna yang indah. Kendati demikian para petani masih banyak yang belum memiliki cukup pengetahuan dari lobster air tawar, salah satunya tetang penyakit-penyakit yang dapat diderita oleh lobster serta gejala-gejala dari penyakit tersebut dan dikhawatirkan dapat merugikan para petani. Penelitian ini dibuat dengan tujuan agar para petani atau penghobi lobster dapat memahami dan mampu melakukan diagnosa penyakit pada lobster air tawar yang dibangun dengan menggunakan metode certainty factor sebagai metode inferensi-nya. Sistem ini dibuat tidak untuk mengantikan seorang pakar namun untuk membantu para pakar sehingga mempercepat dan mempermudah proses diagnosa. Dari hasil pengujian sistem, hasil diagnosa penyakit oleh sistem memiliki kesamaan dengan diagnosa penyakit oleh pakar dengan perbedaan nilai persentase paling tinggi sejumlah 8%. Dengan itu maka dapat diartikan hasil diagnosa sistem sangat mendekati hasil diagnosa seorang pakar.
Algoritma Support Vector Machine untuk Analisis Sentimen Ulasan Aplikasi AXISnet di Google Play Store Subowo, Edy
KOMPUTEK Vol. 8 No. 1 (2024): April
Publisher : Universitas Muhammadiyah Ponorogo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24269/jkt.v8i1.2653

Abstract

Aplikasi AXISnet, yang tersedia di Google Play Store, beroperasi sebagai penyedia layanan internet. Meskipun mengumpulkan 10 juta unduhan, peringkatnya berada di 4,3. Dalam ekosistem toko aplikasi, penilaian pengguna dilengkapi dengan ulasan terperinci. Ulasan ini, seringkali tidak terstruktur, merangkum sentimen dan tingkat kepuasan pengguna, sehingga sangat memengaruhi pilihan calon pengguna. Untuk mengukur sentimen pengguna terhadap aplikasi AXISnet, digunakan analisis sentimen menggunakan algoritma Support Vector Machine. Dengan menggunakan metode Knowledge Discovery in Database (KDD), penelitian ini meneliti kumpulan data yang mencakup 61.895 ulasan aplikasi AXISnet. Diantaranya, 31.742 ulasan cenderung positif, sementara 30.153 ulasan mencerminkan sentimen negatif. Selain itu, evaluasi tersebut menghasilkan tingkat akurasi sebesar 86%, yang menggambarkan presisi model secara keseluruhan dalam tugas klasifikasi. Model ini menunjukkan presisi sebesar 87%, yang menyoroti keakuratannya dalam mengidentifikasi hal-hal positif yang sebenarnya di antara hal-hal positif yang diprediksi. Dengan perolehan sebesar 83%, model tersebut menunjukkan kemampuannya dalam mengklasifikasikan kejadian positif aktual secara akurat. Skor F1, yang menunjukkan rata-rata harmonis antara presisi dan perolehan, mencapai 85%, menandakan kinerja seimbang antara mengidentifikasi kelas positif dengan benar dan meminimalkan positif palsu.
Analisis Model Klasifikasi Ras Anjing dengan Metode Convolutional Neural Network (CNN) Manik, Tessa Monika; Rozi, Anief Fauzan
KOMPUTEK Vol. 8 No. 2 (2024): Oktober
Publisher : Universitas Muhammadiyah Ponorogo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24269/jkt.v8i2.2784

Abstract

Setiap ras anjing memiliki sifat dan masalah kesehatan yang berbeda. Penting untuk mengidentifikasi ras anjing untuk memberikan perawatan dan pelatihan yang tepat. Ras anjing di seluruh dunia ada sekitar 399 jenis. Pemilik anjing seringkali kurang memiliki pengetahuan tentang cara merawat anjingnya karena tidak mengetahui secara pasti jenis anjingnya. Penelitian ini mengklasifikasikan 133 jenis ras anjing menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur VGG-16. Dengan total dataset 21.584 citra, yang terdiri dari citra anjing dan citra manusia. Citra diseragamkan menjadi citra RGB dan berukuran 224x244 piksel. Penelitian ini menghasilkan akurasi sebesar 95.5%. Hasil penelitian ini menunjukkan bahwa model CNN dengan arsitektur VGG-16 mampu mengklasifikasikan ras anjing dengan tingkat akurasi yang tinggi dengan tujuan dapat mengklasifikasikan jenis anjing yang berbeda menggunakan CNN. Jika gambar anjing diberikan maka algoritma akan bekerja untuk menemukan jenis anjing dan fitur kesamaan dalam jenis anjing, dan jika gambar manusia diberikan maka algoritma akan menentukan fitur wajah yang ada pada anjing untuk ditampilkan pada citra manusia. Penelitian lebih lanjut diperlukan untuk mengeksplorasi potensi peningkatan akurasi dan efisiensi model serta penerapannya dalam skenario dunia nyata.
Penerapan Algoritma Horspool sebagai Pendeteksi Kemiripan Judul Skripsi (Studi Kasus Teknik Informatika Universitas Muhammadiyah Ponorogo) Rafiq, Fuad Ainur; Astuti, Arin Yuli; Mustikasari, Dyah
KOMPUTEK Vol. 8 No. 2 (2024): Oktober
Publisher : Universitas Muhammadiyah Ponorogo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24269/jkt.v8i2.2858

Abstract

Seorang mahasiswa harus mampu menyelesaikan tugas-tugas sesuai dengan bidang yang dipilih agar mendapat gelar di akhir semester, termasuk dalam mengerjakan tugas akhir. Dalam proses menyelesaikan jenjang pendidikan strata 1 (S1), mahasiswa harus mempersiapkan dari awal semester karena tugas akhir ini ada di akhir semester. Mahasiswa diwajibkan untuk menyelesaikan sebuah tugas akhir atau skripsi. Tahapan penyusunan skripsi, yang pertama mahasiswa lakukan adalah menentukan tema. Tema bisa didapat dengan banyak membaca jurnal atau literature yang sesuai dengan minat mahasiswa. Tema tersebut akan menjadi patokan terbentuknya judul skripsi. Dalam menentukan judul skripsi, mahasiswa sering mengalami kesulitan sehingga beberapa kali harus merubah judul skripsi dan dalam menentukan judul skripsi tersebut akan sangat mungkin terjadinya kemiripan judul dengan judul yang sudah ada sebelumnya. Sebagai langkah awal pencegahan agar tidak terjadi kemiripan judul skripsi, diperlukan cara mendeteksi kemungkinan kemiripan dengan mencocokkan serta membandingkan skripsi tersebut dengan skripsi sebelumnya yang telah dipublikasikan. Untuk mengetahui adanya kemiripan dapat menggunakan algoritma string matching. Dalam penelitian yang dilakukan ini menghasilkan sebuah sistem yang dapat digunakan untuk melakukan pencocokan string pada dokumen dan dilengkapi dengan jumlah presentase kemiripan judul skripsi. Proses yang nantinya akan diterapkan dalam penelitian ini yaitu sistem akan mencari string dan membandingkannya dengan string di database. Pada program ini akan dilengkapi jumlah presentase kemiripan judul skripsi. Dari hasil pengujian tersebut sistem dapatberjalandenganbaiksesuaidengan harapandantujuan awal penelitian.
Analisis Sentimen Ulasan Pembeli pada Toko Skincare Lokal Marketplace Tokopedia menggunakan Metode Sentistrength dan Naïve Bayes Classifier Hasyimiyyah, Nisrina; Mashudi, Irsyad Arif; Arianto, Rakhmat
KOMPUTEK Vol. 8 No. 2 (2024): Oktober
Publisher : Universitas Muhammadiyah Ponorogo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24269/jkt.v8i2.2893

Abstract

Marketplace is an online buying and selling place increasingly in demand by Indonesians. One of the marketplaces with the most visits according to SimilarWeb data is Tokopedia. On Tokopedia, there is a review feature where buyers can send their opinions as criticism or suggestions. Local skincare brands in this research include Avoskin, Azarine, Skin Game, and Somethinc. Buyer reviews listed in each store are triggers for transactions. The purpose of this research is to analyze the sentiment of buyer reviews at local skincare stores on Tokopedia using the SentiStrength method and Naïve Bayes Classifier. Sentiment analysis is carried out to divide buyer review data into negative, neutral, and positive sentiments using a model created with Naïve Bayes Classifier with training and testing data labeled manually using the SentiStrength ID dictionary. Data collection was done using web scraping of 247 data from four stores. The sentiment prediction model uses dataset labeling with SentiStrength ID and a Naïve Bayes Classifier. The process involves the use of complete stopwords without stemming. This model achieved a training accuracy of 94%. However, the testing accuracy only reached 68%. Based on data scraping from 300 reviews, Avoskin has 151 positive reviews, 67 negative reviews, and 8 neutral reviews. Meanwhile, Azarine has 152 positive reviews, 58 negative reviews, and 8 neutral reviews. Skin Game has 186 positive reviews, 54 negative reviews, and 17 neutral reviews. Somethinc has 187 positive reviews, 47 negative reviews, and 20 neutral reviews.
Perbandingan Algoritma LBP dan Cascading LBP-GLCM untuk Ekstraksi Fitur pada Citra Beras Rahman, Arief; Darnis, Febriyanti; Ansori, Yulian
KOMPUTEK Vol. 8 No. 2 (2024): Oktober
Publisher : Universitas Muhammadiyah Ponorogo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24269/jkt.v8i2.2962

Abstract

This study compares two image feature extraction algorithms: Gray Level Co-occurrence Matrix (GLCM) and a combination of Local Binary Pattern with GLCM (LBP GLCM), for rice image classification. The objective is to evaluate the effectiveness of both methods in generating features such as ASM, contrast, correlation, entropy, and energy, as well as to measure the computational time. The results show that the LBP GLCM algorithm significantly improves classification accuracy compared to pure GLCM, but requires 13-17 times longer computational time. While GLCM is more efficient in terms of time, its classification accuracy is relatively lower. These findings align with previous studies indicating that adding LBP to GLCM enhances classification performance. In conclusion, LBP GLCM is superior in accuracy, making it a better choice for applications that prioritize precise classification results. However, the trade-off in computational time should be considered, especially for applications requiring fast processing. These findings are relevant for further development in agriculture and image processing. 
Pengembangan Chatbot sebagai Pengenalan Objek Wisata di Selingkar Wilis Menggunakan Rule-Based Ummah, Syarifatul; Rolliawati, Dwi; Kunaefi, Anang; Permadi, Andhy
KOMPUTEK Vol. 8 No. 2 (2024): Oktober
Publisher : Universitas Muhammadiyah Ponorogo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24269/jkt.v8i2.2978

Abstract

Kawasan Selingkar Wilis memiliki banyak objek wisata yang menarik, termasuk wisata alam, sejarah, dan budaya. Namun informasi mengenai wisata ini belum tersedia dengan lengkap dan mudah diakses oleh wisatawan. Tujuan penelitian ini adalah untuk mengembangkan chatbot yang dapat memberikan informasi mengenai objek wisata di sekitar Selingkar Wilis. Objek penelitian meliputi kawasan wisata yang tersebar di beberapa kabupaten, seperti Kediri, Nganjuk, Tulungagung, Trenggalek, Madiun, dan Ponorogo. Metode penelitian yang digunakan adalah metode pengembangan perangkat lunak Waterfall , yang meliputi tahap analisis, desain, implementasi, dan pengujian. Data diperoleh melalui wawancara dengan pengguna dan pemangku kepentingan , kemudian dirancang dalam bentuk diagram Unified Modeling Language (UML), termasuk diagram use case, diagram aktivitas, dan diagram kelas. Implementasi chatbot menggunakan rule-based dilakukan dengan menggunakan framework Django untuk backend dan MySQL sebagai database , serta Natural Language Processing (NLP) untuk memahami dan menanggapi input pengguna. Hasil pengujian menunjukkan bahwa chatbot mampu memberikan informasi objek wisata dengan kategori wisata alam, budaya, dan sejarah. Namun, chatbot masih memiliki keterbatasan dalam memahami input yang tidak terkait dengan "wisata". Persentase keberhasilan pengujian mencapai 72%, dengan beberapa skenario yang memerlukan perbaikan lebih lanjut, seperti menangani kesalahan penulisan dan input ambigu. Dengan demikian, chatbot ini diharapkan dapat meningkatkan pengalaman wisata pengguna dan mendukung perkembangan pariwisata di kawasan Selingkar Wilis. Pengembangan lebih lanjut disarankan, termasuk fitur multi bahasa dan penggunaan gambar sebagai respons untuk meningkatkan nilai tambah dalam memberikan informasi.
Analisis Sentimen pada Steam Review Menggunakan Multinomial Naïve Bayes dan Seleksi Fitur Gini Index Text Haditira, Ragil; Murdiansyah, Danang Triantoro; Astuti, Widi
KOMPUTEK Vol. 8 No. 2 (2024): Oktober
Publisher : Universitas Muhammadiyah Ponorogo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24269/jkt.v8i2.2981

Abstract

Video game is one of the entertainment medias chosen by most people today, many of which are played through computer devices. On computer devices, many video games are obtained through one of the game distribution platforms, namely Steam. However, Steam has several shortcomings, including those related to Steam reviews. On Steam reviews, you can see the rating of the game, but the rating does not really show the actual quality or condition of the game. As one example, there are users who give a high rating to a game, but in the comments column the user actually mentions the shortcomings of the game. To reduce or anticipate unclear reviews for users who want to try or buy the game, sentiment analysis on reviews is used. In this research, the output produced is information on the results of sentiment classification in filtering reviews, using the Multinomial Naïve Bayes algorithm and combined with the Gini Index feature selection. Sentiment classification is divided into two classes, namely recommended and not recommended classes. In this study, to test the sentiment classification system, a dataset containing reviews in the form of review sentences from Steam is used. The test results using Multinomial Naïve Bayes and Gini Index, can achieve the best accuracy of 60.29%.
Rancang Bangun Prototype Pengaksesan Gudang Menggunakan Sistem Pengenalan Wajah Huda, Nur; Bastian, Alvian; Ahyar, Muh.
KOMPUTEK Vol. 8 No. 2 (2024): Oktober
Publisher : Universitas Muhammadiyah Ponorogo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24269/jkt.v8i2.2992

Abstract

In the era of globalization, technology is developing rapidly and has become an important aspect in improving security. Traditional security systems such as keys and access cards have several disadvantages, such as the risk of loss and misuse. To overcome this, this research designed and built a prototype warehouse access system using facial recognition technology based on ESP32-CAM and Firebase as a real-time database. This system aims to increase security and efficiency in managing warehouse access. The facial recognition system uses the Haar cascade classifier algorithm to detect and recognize the user's face, with an ESP32-based control module integrated with the camera, keypad and LCD screen. System testing involves variables such as facial expressions, accessories, lighting, and distance to ensure optimal performance in a variety of conditions. Apart from facial recognition, the system is also equipped with an alternative method of access using a PIN as a backup. Test results show that the system works well in various scenarios, with the level of usability assessed using the System Usability Scale (SUS) reaching a score of 76.7, which indicates a good level of usability. It is hoped that this system can be implemented to improve the security and efficiency of warehouse access in the future.

Page 17 of 21 | Total Record : 203

 15   16   17   18   19 

Filter by Year

2017 2025


Reset
Filter By Issues
All Issue Vol. 9 No. 2 (2025): Oktober Vol. 9 No. 1 (2025): April Vol. 8 No. 2 (2024): Oktober Vol 8, No 2 (2024): Oktober Vol. 8 No. 1 (2024): April Vol 8, No 1 (2024): April Vol 7, No 2 (2023): Oktober Vol. 7 No. 2 (2023): Oktober Vol. 7 No. 1 (2023): April Vol 7, No 1 (2023): April Vol 6, No 2 (2022): Oktober Vol 6, No 1 (2022): April Vol. 5 No. 2 (2021): Oktober Vol 5, No 2 (2021): Oktober Vol 5, No 1 (2021): April Vol 4, No 2 (2020): Oktober Vol 4, No 1 (2020): April Vol 3, No 2 (2019): Oktober Vol 3, No 1 (2019): April Vol 3, No 1 (2019): April Vol 2, No 2 (2018): Oktober Vol 2, No 1 (2018): April Vol 1, No 1 (2017): Oktober More Issue