KOMPUTA : Jurnal Ilmiah Komputer dan Informatika
Jurnal Ilmiah KOMPUTA (Komputer dan Informatika), adalah wadah informasi berupa hasil penelitian, studi kepustakaan, gagasan, aplikasi teori dan kajian analisis kritis di bidang kelimuan Komputer dan Informatika. Terbit dua kali dalam setahun pada bulan Maret dan Oktober.
Articles
12 Documents
Search results for
, issue
"Vol 13 No 1 (2024): Komputa : Jurnal Ilmiah Komputer dan Informatika"
:
12 Documents
clear
<![CDATA[Aspect Based Sentiment Analysis of Beauty Products Using Neighbor Weighted K-Nearest Neighbor ]]>
<![CDATA[Hakim, Fauzan Lukmanul]]>;
<![CDATA[Dewi, Kania Evita]]>
<![CDATA[ Komputa : Jurnal Ilmiah Komputer dan Informatika Vol 13 No 1 (2024): Komputa : Jurnal Ilmiah Komputer dan Informatika ]]>
Publisher : <![CDATA[Program Studi Teknik Informatika - Universitas Komputer Indonesia (UNIKOM) ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.34010/komputa.v13i1.9437
<![CDATA[Penelitian ini bertujuan untuk menguji performansi Neighbor Weighted K-Nearest Neighbor (NWKNN) dalam menangani dataset yang tidak seimbang dalam kasus analisis sentiment berbasis aspek. Data yang digunakan didalam penelitian ini adalah ulasan produk kecantikan yang berasal dari situs kaggel. Diperoleh data sebanyak 2.449 ulasan. Setiap ulasan produk sebelum masuk ketahapan klasifikasi, melalui preprocessing. Dalam penelitian ini tahapan preprocessing terdiri dari proses casefolding, cleaning, tokenisasi, normalisasi, stemming, convert negasi, dan stopword removal. Agar hasil preprocessing dapat diolah oleh algoritma klasifikasi maka setiap ulasan yang sudah diprepocessing masuk kedalam ekstraksi fitur. Metode ekstraksi fitur yang digunakan dalam penelitian ini adalah TF-IDF. Hasil ekstraksi fitur lah yang masuk kedalam proses klasifikasi. Didalam penelitian ini setiap ulasan melalui proses klasifikasi beberapa kali. Karena dalam penelitian ini dalam penanganan multilabel menggunakan teknik binary relevance. Setiap klasifikasi menggunakan NWKNN. Pengklasifikasian dilakukan sebanyak empat kali sesuai dengan aspek yang digunakan didalam penelitian ini, yaitu: harga, kemasan, efektifitas dan aroma. Sehingga setiap klasifikasi menghasilkan polaritas untuk setiap aspek, yaitu: positif, negative, atau non sentiment. Hasil pengujian perfomansi dengan Confusion Matrix dihasilkan performansi NWKNN lebih tinggi dibandingkan KNN untuk masing-masing aspek, dalam f1-score. Dimana nilai e dan k yang optiman untuk metode NWKNN yaitu nilai k=40 dan e=2. Ini menunjukkan bahwa NWKNN terbukti lebih baik bekerja jika dataset tidak seimbang dibandingkan KNN.]]>
<![CDATA[Identifikasi Ujaran Kebencian Pada Sosial Media Bahasa Inggris Menggunakan Recursive Neural Network ]]>
<![CDATA[Pardede, Jasman]]>;
<![CDATA[Alfyansyah, Rangga]]>
<![CDATA[ Komputa : Jurnal Ilmiah Komputer dan Informatika Vol 13 No 1 (2024): Komputa : Jurnal Ilmiah Komputer dan Informatika ]]>
Publisher : <![CDATA[Program Studi Teknik Informatika - Universitas Komputer Indonesia (UNIKOM) ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.34010/komputa.v13i1.10783
<![CDATA[Penyebaran ujaran kebencian pada sosial media telah menjadi masalah serius karena menciptakan serangkaian konflik ras, etnis, orientasi seksual, kebangsaan, dan agama. Penelitian ini menggali dari unggahan ujaran kebencian di media sosial. Ujaran kebencian semakin meningkat di media sosial yang merendahkan individu atau kelompok banyak ditemukan. Mengidentifikasi ujaran kebencian secara tepat menjadi penting untuk menganalisis sentimen publik dari kelompok pengguna terhadap kelompok lain serta mencegah kegiatan yang tidak diinginkan. Dengan mengidentifikasi akar penyebabnya, pihak-pihak yang berwenang dan platform-platform digital dapat mengambil tindakan yang lebih efektif dalam memitigasi dampak negatifnya dan melindungi masyarakat dari ancaman yang mungkin timbul. Algoritma seperti Support Vector Machine dan Deep Neural Networks, terutama Recursive Neural Network, dapat mengidentifikasi ujaran kebencian. Dalam penelitian ini menerapkan Recursive Neural Network untuk mengidentifikasi ujaran kebencian. Performa sistem ini diukur berdasarkan nilai precision, recall, accuracy, dan F-Measure. Hasil eksperimen yang dilakukan terhadap data ujaran kebencian diperoleh nilai rata-rata precision, recall, accuracy, dan F-Measure masing-masing sebesar 0.78, 0.74, 0.76, dan 0.76. Hasil tersebut menunjukkan bahwa Recursive Neural Networks yang diusulkan memiliki performa yang cukup baik.]]>
<![CDATA[Sistem Evaluasi Pada Aplikasi Akademik Menggunakan Metode Skala Likert Dan Algoritma Naïve Bayes ]]>
<![CDATA[Erinsyah, Moh. Fiqih]]>;
<![CDATA[Sasmito, Ginanjar Wiro]]>;
<![CDATA[Wibowo, Dega Surono]]>;
<![CDATA[Bakti, Very Kurnia]]>
<![CDATA[ Komputa : Jurnal Ilmiah Komputer dan Informatika Vol 13 No 1 (2024): Komputa : Jurnal Ilmiah Komputer dan Informatika ]]>
Publisher : <![CDATA[Program Studi Teknik Informatika - Universitas Komputer Indonesia (UNIKOM) ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.34010/komputa.v13i1.10940
<![CDATA[Harapan Bersama Polytechnic, Tegal City (Harber Polytechnic), is one of the higher education institutions. At the Harber Polytechnic there are various fields in carrying out the listed sections, one of which is the Information and Communication Technology (ICT) field. An agency must have a system that is used to facilitate and carry out its goals. An academic system or application used by agencies, namely Oase and Syncnau. From the existence of this system, of course, a place or place is needed to listen to it, to find out how satisfied the users are who often use the system, which is realized in the form of a web repository and evaluation. The web repository is used to store the academic system data and evaluation results using two methods, namely the Likert Scale Method and the Naïve Bayes Algorithm. Of the two methods used as a choice of questionnaires and text mining from user reviews who have filled out the questionnaire. The Likert scale method used uses four Likert levels, namely strongly agree, agree, disagree and strongly disagree. whereas for text mining it was made using the Naïve Bayes algorithm from the results of the build model to get a fairly high percentage quality level of 83.6%, and the test results of the model were also quite satisfactory so that the use of text mining is useful in opening an institution's academic system. These results have been analyzed by this method and the final result of the evaluation is the percentage level of system satisfaction and the results of comments or reviews that have been classified to make it easier for developers to develop academic systems in the future.]]>
<![CDATA[Implementasi Face Recognition dan Geolocation Pada Sistem Presensi Karyawan Berbasis Mobile Apps ]]>
<![CDATA[Wibowo, Bagus Budi]]>;
<![CDATA[Setiawan, Eko Budi]]>
<![CDATA[ Komputa : Jurnal Ilmiah Komputer dan Informatika Vol 13 No 1 (2024): Komputa : Jurnal Ilmiah Komputer dan Informatika ]]>
Publisher : <![CDATA[Program Studi Teknik Informatika - Universitas Komputer Indonesia (UNIKOM) ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.34010/komputa.v13i1.11149
<![CDATA[Teknologi informasi dan komunikasi dapat digunakan pada sistem presensi karyawan. Tujuan penelitian ini mengimplementasikan teknologi face recognition dan geolocation pada sistem presensi karyawan di PT. Motiolabs Indonesia berbasis mobile Android. Perusahaan yang menjadi tempat penelitian ini memperbolehkan para karyawannya untuk melakukan presensi secara mobile, namun belum memanfaatkan teknologi geolocation dan deteksi wajah sehingga prosees otentifikasi dan verifikasi presensi masih kurang efektif. Metode penelitian ini terdiri dari beberapa tahapan yaitu analisis permasalahan, perancangan arsitektur sistem dan teknologi, penerapan teknologi, implementasi dan pengujian sistem. Teknologi geolocation yang digunakan pada penelitian ini yaitu Global Position System dan Google Maps. Face recognition yang digunakan menggunakan Google Machine Learning Kit serta Face API JS. Hasil pengujian pendeteksian wajah berhasil mendeteksi wajah dengan maksimal tiga wajah dalam satu frame kamera sewaktu pengujian. Pendeteksian wajah berhasil dilakukan dengan maksimal jarak 0,3 meter dan mendapatkan waktu paling cepat pendeteksian paling cepat selama 45 detik. Berdasarkan pengujian geolocation sudah memberikan hasil yang akurat dan berhasil mendapatkan lokasi koordinat yang sesuai dari posisi presensi dilakukan. Setelah dilakukan pengujian kepada para stakeholder yakni para Karyawan dan pihak HRD perusahaan, aplikasi hasil penelitian ini berhasil mempermudah pihak perusahaan dalam mencatat dan memverifikasi data presensi.]]>
<![CDATA[Peringkasan Teks Otomatis Abstraktif Menggunakan Transformer Pada Teks Bahasa Indonesia ]]>
<![CDATA[Bahari, Andika]]>;
<![CDATA[Dewi, Kania Evita]]>
<![CDATA[ Komputa : Jurnal Ilmiah Komputer dan Informatika Vol 13 No 1 (2024): Komputa : Jurnal Ilmiah Komputer dan Informatika ]]>
Publisher : <![CDATA[Program Studi Teknik Informatika - Universitas Komputer Indonesia (UNIKOM) ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.34010/komputa.v13i1.11197
<![CDATA[Abstractive text summarization is used to generate summaries that are similar to human-written summaries. To achieve that capability, recurrent deep learning architectures were usually applied, such as RNN, LSTM, and GRU. In previous studies about abstractive text summarization in Indonesian, recurrent models were widely used and there were cohesion and grammar errors that appeared in the generated summaries—this could have an impact on performance. Currently, there is Transformer, a relatively new architecture that relies on the attention mechanism entirely. Due to its non-recurrent nature, Transformer overcomes the problem of dependency the on hidden states that occurs in recurrent models and it can retain information on all input sequences. In this study, we use Transformer to evaluate how good it is at abstractive text summarization in Indonesian. The training was conducted using the pre-trained T5 model with IndoSum dataset which contains around 19K news-summary pairs. We achieved evaluation scores of 0.61 ROUGE-1 and 0.51 ROUGE-2.]]>
<![CDATA[Application of Data Mining in Disease Clustering at Klinik Keluarga ]]>
<![CDATA[Kadafi, Mochamad Nurkhayal]]>;
<![CDATA[Finandhita, Alif]]>
<![CDATA[ Komputa : Jurnal Ilmiah Komputer dan Informatika Vol 13 No 1 (2024): Komputa : Jurnal Ilmiah Komputer dan Informatika ]]>
Publisher : <![CDATA[Program Studi Teknik Informatika - Universitas Komputer Indonesia (UNIKOM) ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.34010/komputa.v13i1.11273
<![CDATA[Tujuan dari penelitian ini adalah memberikan rekomendasi materi penyuluhan untuk membantu Koordinator Promkes dan Marketing di Klinik Keluarga dalam menentukan materi penyuluhan kesehatan yang tepat di suatu wilayah. Penyuluhan dilakukan secara terjadwal ke wilayah yang sudah ditentukan. Namun demikian banyak materi yang disampaikan tidak sesuai dengan mayoritas penyakit yang diderita oleh masyarakat di wilayah tersebut. Hal tersebut menyebabkan pelayanan klinik menjadi tidak optimal dikarenakan kurangnya kewaspadaan terhadap suatu penyakit yang ada di wilayahnya. Data Mining dengan metode Clustering dan algoritma K-Means digunakan pada penelitian ini untuk mengetahui pola penyebaran penyakit berdasarkan karateristiknya dari sumber data yang digunakan, terdiri dari data kunjungan, data induk penyakit, data kategori penyakit, data kecamatan, dan data desa. Hasil evaluasi menunjukkan proses pengelompokan penyakit menghasilkan rata-rata akurasi sebesar 0,263. Hasil tersebut menunjukan bahwa data mining dengan metode clustering dapat membantu Koordinator Promkes dan Marketing di Klinik Keluarga dalam menentukan materi penyuluhan yang tepat untuk masyarakat.]]>
<![CDATA[Pembangunan Game Edukasi Interaktif Pelajaran Bahasa Jawa Indramayu pada SDN 1 Margadadi ]]>
<![CDATA[Priadi, Revano Fabiansyah]]>;
<![CDATA[Agustia, Richi Dwi]]>
<![CDATA[ Komputa : Jurnal Ilmiah Komputer dan Informatika Vol 13 No 1 (2024): Komputa : Jurnal Ilmiah Komputer dan Informatika ]]>
Publisher : <![CDATA[Program Studi Teknik Informatika - Universitas Komputer Indonesia (UNIKOM) ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.34010/komputa.v13i1.11274
<![CDATA[Penelitian ini bertujuan untuk meningkatkan kemampuan peserta didik di SDN 1 Margadadi dalam membaca dan menulis bahasa Jawa Indramayu. Alur yang dilakukan yaitu melakukan observasi dan pengumpulan data, selanjutnya menganalisis permasalahan yang ada dengan mendapatkan data nilai kelas V dari kurun waktu 2 tahun yang lalu dalam materi menulis dan membaca bahasa jawa Indramayu, masih terdapat banyak peserta didik yang meraih nilai dibawah Kriteria Ketuntasan Minimal, didapatkanlah sebuah solusi dengan membuat game edukasi Pembelajaran Bahasa Jawa Indramayu adapun metode penelitian yang digunakan terdiri dari 5 tahapan yaitu analisis masalah, analisis game yang akan dibangun, perancangan sistem, implementasi dan pengujian sistem dan yang terakhir kesimpulan dan saran, game edukasi ini menggunakan metode pembelajaran Visual, Audio dan Kinestetik pada materi didalamnya. Dari hasil pengujian terhadap pengguna dengan menggunakan responden sebanyak 10 siswa, hasil menunjukan bahwa total rata-rata waktu yang didapatkan pada pengujian menulis aksara jawa sebesar 13,63 detik, lebih cepat daripada menulis manual dengan waktu yang digunakan yaitu 27,03 detik, dengan waktu lebih lama pada huruf Nyo yaitu 16 detik karena didalam pengujianya hanya 7 responden yang berhasil mengerjakan, berikutnya hasil pengujian pemahaman bahasa Jawa Indramayu dengan nilai rata-rata sudah diatas Kriteria Ketuntasan Minimal yaitu 75% dengan rata-rata nilai pada level normal di game sebesar 84,6% dan rata-rata nilai pada level sulit di game sebesar 81,4%.]]>
<![CDATA[UI/UX DESIGN ON A COMPANY WEBSITE PROTOTYPE USING THE SPRINT DESIGN METHOD (CASE STUDY: PT. REAL MEDIA LAB) ]]>
<![CDATA[Tayane, Rosaline Theophilia]]>;
<![CDATA[Islami, Firsta Angelia]]>;
<![CDATA[Marianingsih, susi]]>
<![CDATA[ Komputa : Jurnal Ilmiah Komputer dan Informatika Vol 13 No 1 (2024): Komputa : Jurnal Ilmiah Komputer dan Informatika ]]>
Publisher : <![CDATA[Program Studi Teknik Informatika - Universitas Komputer Indonesia (UNIKOM) ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.34010/komputa.v13i1.11345
<![CDATA[Visibilitas online suatu perusahaan adalah hal yang cukup penting dalam era digital saat ini, terutama untuk mempromosikan produk dan menjangkau pelanggan lebih luas. Salah satu sarana untuk mewujudkannya adalah website perusahaan. Perancangan website sebagai media informasi, promosi dan komunikasi tanpa pengenalan dan pemahaman aspek psikologis akan menghasilkan sebuah sistem yang gagal. Membangun website dengan antar muka (user interface/UI) yang menarik akan menciptakan pengalaman pengguna (user experience/UX) yang baik. Untuk menghasilkan UI website yang baik diperlukan sebuah standar yang akan menjadi tolak ukur dalam perancangan sistem nyata, dalam hal ini adalah prototipe. Selain sebagai standar, prototipe bisa dijadikan sebagai alat pengujian kinerja sistem sebelum diterapkan. Metode yang digunakan dalam perancangan prototipe UI pada penelitian ini adalah metode design sprint. Pengumpulan data dilakukan dengan metode wawancara dan survey terhadap pemangku kepentingan (pimpinan perusahaan), pegawai, dan konsumen yang terlibat secara aktif dalam sistem di perusahaan untuk menggali kebutuhan dari pengguna. Berdasarkan kebutuhan pengguna maka dirancang prototipe website perusahaan. Pengujian prototipe meliputi pengujian usability, content, aesthetics, dan quality of information. Pengujian melibatkan 16 responden. Hasil pengujian menunjukan rata-rata 60% pengguna memberikan respon positif.]]>
<![CDATA[Comparison of K-Means, Affinity Clustering, and Mini Batch K-Means Algorithms for Market Segmentation Analysis ]]>
<![CDATA[Purba, Andrew Castello]]>;
<![CDATA[Handhayani, Teny]]>
<![CDATA[ Komputa : Jurnal Ilmiah Komputer dan Informatika Vol 13 No 1 (2024): Komputa : Jurnal Ilmiah Komputer dan Informatika ]]>
Publisher : <![CDATA[Program Studi Teknik Informatika - Universitas Komputer Indonesia (UNIKOM) ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.34010/komputa.v13i1.11710
<![CDATA[Segmentasi pasar adalah proses membagi pasar menjadi kelompok-kelompok pembeli yang homogen berdasarkan karakteristik tertentu. Segmentasi pasar penting bagi perusahaan untuk memahami kebutuhan dan perilaku konsumennya sehingga dapat mengembangkan strategi pemasaran yang lebih efektif. Penelitian ini membandingkan tiga metode clustering, yaitu K-Means Clustering, Affinity Propagation Clustering, dan Mini Batch K-Means, dalam konteks analisis segmentasi pasar. Data yang digunakan adalah dataset marketing_campaign.csv yang terdiri dari 29 kolom dan 2240 baris. Eksperimen dilakukan untuk mengevaluasi performa ketiga metode dengan menggunakan metrik siluet. Hasil eksperimen menunjukkan bahwa Affinity Propagation menghasilkan nilai silhouette tertinggi sebesar 0.5861, diikuti oleh K-Means dengan 0.4675, dan Mini Batch K-Means dengan 0.4659. Temuan ini mengindikasikan bahwa Affinity Propagation dapat menjadi pilihan yang baik untuk analisis segmentasi pasar pada dataset tersebut. Hasil perbandingan ini memberikan wawasan tentang keunggulan dan kelemahan masing-masing metode clustering, membantu pemilih dalam memilih pendekatan yang paling sesuai untuk tujuan analisis mereka. Studi ini memberikan kontribusi pada pemahaman praktis penerapan teknik clustering dalam konteks pemasaran.]]>
<![CDATA[Penerapan Fuzzy Tsukamoto untuk Sistem Prediksi Jumlah Produksi Roti Berbasis Web ]]>
<![CDATA[Nurhayati, Sri]]>;
<![CDATA[Irmayanti, Hani]]>;
<![CDATA[Wijaya, Yusuf Rakha]]>
<![CDATA[ Komputa : Jurnal Ilmiah Komputer dan Informatika Vol 13 No 1 (2024): Komputa : Jurnal Ilmiah Komputer dan Informatika ]]>
Publisher : <![CDATA[Program Studi Teknik Informatika - Universitas Komputer Indonesia (UNIKOM) ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.34010/komputa.v13i1.12056
<![CDATA[Penelitian ini bertujuan untuk membuat system yang akan memberikan informasi mengenai prediksi jumlah produksi untuk membantu pihak terkait dalam menentukan jumlah produksi, selain itu untuk melihat keakuratan dari penggunaan metode dalam memprediksi jumlah produksi. Kegiatan produksi merupakan serangkaian kegiatan yang dilakukan untuk menjadikan bahan mentah menjadi produk yang dapat dipasarkan dan dijual. Salah satu yang terlibat dari proses ini adalah jumlah bahan mentah yang akan di buat menjadi produk jadi. Diperlukan suatu proses perhitungan untuk meprediksi jumlah produk yang akan diproduksi untuk meminimalkan biaya produksi. Metode yang digunakan untuk proses Prediksi adalah metode Fuzzy Tsukamoto, dimana metode ini mengatasi ketidakpastian dan kompleksitas dalam pengambilan keputusan. Perhitungan kesalahan dalam meprediksi digunakan mean absolute percentage error (MAPE), dan untuk perancangan system digunakan pendekatan objek dengan menggunakan tools Unified Modeling Language (UML). Hasil dari penelitian menyatakan bahwa pengujian system bernilai 92 % artinya sistem sudah dapat digunakan sesuai dengan kebutuhan, dan untuk metode yang digunakan mendapatkan nilai error 10,62 % sehingga metode Fuzzy Tsukamoto dapat digunakan prediksi jumlah produksi.]]>
