cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Fitrianingsih
Contact Email
infokom@gunadarma.ac.id
Phone
+6221-78881112 ext. 516
Journal Mail Official
infokom@gunadarma.ac.id
Editorial Address
Jalan Margonda Raya 100
Location
Kota depok,
Jawa barat
INDONESIA
Jurnal Ilmiah Informatika Komputer
Published by Universitas Gunadarma
ISSN : 08538638     EISSN : 20898045     DOI : http://dx.doi.org/10.35760/ik
Core Subject : Science,
Computer Science & IT Decision Sciences, Operations Research & Management
This journal is published periodically three times a year, April, August, and December. It publishes a broad range of research articles on Information Technology and Communication, whether in Indonesian Language or English.
Arjuna Subject : Ilmu Komputer (semua kategori) - Sistem Informasi
Articles 296 Documents
 24   25   26   27   28 
ANALISIS SENTIMEN WARGA TWITTER TERHADAP GAME SHOPEE COCOKI DENGAN METODE NAIVE BAYES CLASSIFIER Andaru Pratama Putra; Anggrarista Nusty Alivia; Maulidiya Meilani; Naura Jasmine Azzahra; Nur Aini Rakhmawati
Jurnal Ilmiah Informatika Komputer Vol 28, No 2 (2023)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/ik.2023.v28i2.9494

Abstract

Di era digital saat ini, banyak platform e-commerce bersaing untuk menarik pelanggan. Shopee adalah salah satu platform yang populer dengan banyak fitur dan layanan yang menarik, termasuk game "Shopee Cocoki" yang telah menjadi tren di kalangan pengguna Shopee. Penelitian ini menggunakan metode analisis sentimen Naive Bayes, yang memanfaatkan kemungkinan untuk mengkategorikan tweet menjadi kategori sentimen positif, negatif, atau netral. Data yang digunakan adalah sejumlah tweet yang mengandung kata kunci terkait "Shopee Cocoki" yang diambil dari Twitter. Berdasarkan hasil eksperimen, diperoleh nilai akurasi keseluruhan sebesar 55%. Sentimen negatif memiliki nilai presisi sebesar 57%, recall sebesar 80%, dan f1-score sebesar 67%. Sentimen netral memiliki nilai presisi sebesar 33%, recall sebesar 17%, dan f1-score sebesar 22%. Sedangkan sentimen positif memiliki nilai presisi sebesar 33%, recall sebesar 25%, dan f1-score sebesar 29%.
ANALISIS SENTIMEN TERHADAP APLIKASI GOJEK PADA PLAY STORE MENGGUNAKAN METODE RANDOM FOREST CLASSIFIER Naura Zainaty Rania; Rama Dian Syah
Jurnal Ilmiah Informatika Komputer Vol 29, No 2 (2024)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/ik.2024.v29i2.11877

Abstract

Ulasan pengguna aplikasi memiliki peran yang sangat penting dalam menentukan kesuksesan sebuah layanan aplikasi. Analisis sentiment. Teknologi Natural Language Processing (NLP) memungkinkan pengembang untuk mengkategorikan emosi dalam ulasan secara otomatis. Penelitian ini bertujuan untuk melakukan analisis sentimen pada ulasan aplikasi Gojek yang tersedia di Google Playstore menggunakan metode Random Forest Classifier. Dataset yang digunakan sebanyak 50000 ulasan. Model yang dibangun berhasil melakukan prediksi sentiment dengan baik yang dibuktikan dengan nilai akurasi mencapai 89%. Model yang dibangun mampu mengidentifikasi sampel negatif sebanyak 3231 data diprediksi dengan benar (True Negative). Sampel negative sebanyak 298 data diprediksi dengan salah prediksi sebagai positif (False Positive). Sampel negative sebanyak 722 data diprediksi dengan salah sebagai negative (False Negative). Sampel positif sebanyak 5376 data diprediksi dengan benar (True Positive). Penelitian ini menunjukkan sentimen pengguna Gojek cenderung negative sehingga peningkatan layanan Gojek dapat ditingkatkan agar loyalitas pengguna semakin bertambah.
PREDIKSI KEPUASAN PELANGGAN HOTEL: STUDI PERBANDINGAN ALGORITMA DECISION TREE DAN KNEAREST NEIGHBOR Dwi Ramti Asih; Rianto Rianto
Jurnal Ilmiah Informatika Komputer Vol 29, No 1 (2024)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/ik.2024.v29i1.8324

Abstract

Customer satisfaction has become an important aspect for every business in today's competitive market. Understanding customer needs, wants, and expectations is critical for a business to provide outstanding customer service and retain customers. Therefore, this research represents a comparative study between two machine learning algorithms, Decision Tree and K-Nearest Neighbor, to predict hotel customer satisfaction. This study aims to identify which algorithm is more effective in predicting customer satisfaction by evaluating their performance using various metrics. The methodology used includes data preprocessing, feature selection, and machine learning model creation. The results show that the Decision Tree algorithm is superior to the K-Nearest Neighbor in terms of accuracy and precision. The findings from this study provide insights for businesses in the hospitality industry on how to predict customer satisfaction and improve their services.
ANALISIS USER EXPERIENCE PADA APLIKASI GET CONTACT MENGGUNAKAN METODE HEURISTIC EVALUATION Fhinka Hanifah; Lulu Mawaddah Wisudawati
Jurnal Ilmiah Informatika Komputer Vol 28, No 3 (2023)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/ik.2023.v28i3.9192

Abstract

Pada bidang teknologi komunikasi penggunaan telepon atau SMS membantu dalam proses pengiriman pesan secara online. Get Contact merupakan sebuah aplikasi "Penyekat Spam" dan "Maklumat Pemanggil" untuk pengguna. Get Contact menapis panggilan yang mengganggu dan hanya membenarkan orang yang pengguna pilih untuk berkomunikasi dengan pengguna lainnya. Pengguna dapat mengenal panggilan diterima daripada nomor-nomor yang tidak didaftarkan dalam kenalan. Get Contact memberitahu dengan segera jika pengguna mendapat panggilan yang tidak diinginkan. Supaya pengguna mendapat perlindungan dari panggilan-panggilan robot, jurujual telefon dan panggilan-panggilan scam.. Pada penelitian ini, penulis melakukan analisis user experience pada aplikasi Get Contact dengan memperhatikan dari segi desain antarmuka dan segi pengalaman pengguna atau bisa juga disebut user interface dan user experience. Metode yang digunakan untuk analisis ini adalah Metode Heuristic Evaluation berdasarkan 10 prinsip milik Jacob Nielsen. Penelitian ini mengumpulkan data responden yang terdiri dari 20 pernyataan dan telah dibagikan kepada 100 responden yang menggunakan aplikasi Get Contact. Dalam pengolahan data penulis menggunakan Software IBM SPSS untuk melakukan pengujian validitas dan reliabilitas dari data responden. Hasil perhitungan mengunakan rumus deskriptif persentase menunjukan usability aplikasi Get Contact berdasarkan 10 prinsip Heuristic milik Jacob Nielsen masuk dalam kategori sangat baik mendapatkan nilai persentase usability sebesar 86.9% . Terdapat beberapa rekomendasi perbaikan salah satunya perbaikan tampilan pada halaman utama dengan menerapkan dua warna pada menu yang memiliki maksud dan kegunaan berbeda, dan terdapat perbaikan lainnya, dimana perubahan icon serta tata letak pada halaman profile dan halaman utama.
Front Matter Jurnal Ilmiah Informatika Komputer Vol. 29 No. 1, April 2024 Editorial Jurnal Ilmiah Informatika Komputer
Jurnal Ilmiah Informatika Komputer Vol 29, No 1 (2024)
Publisher : Universitas Gunadarma

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

Abstract

ANALISIS SENTIMEN ULASAN PENGGUNA APLIKASI JOOX PADA ANDROID MENGGUNAKAN METODE BIDIRECTIONAL ENCODER REPRESENTATION FROM TRANSFORMER (BERT) Jahfal Uno Surya Lazuardi; Asep Juarna
Jurnal Ilmiah Informatika Komputer Vol 28, No 3 (2023)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/ik.2023.v28i3.10090

Abstract

Analisis sentimen, disebut juga opinion mining, adalah salah satu teknik dalam mengekstrak informasi orientasi sentimen masyarakat terhadap suatu isu atau kejadian. JOOX adalah sebuah aplikasi penyedia layanan streaming musik daring yang banyak digunakan orang karena keunggulannya dalam menyediakan musik dengan kualitas yang baik. Para pengguna JOOX melalui android dapat memberikan komentar tentang aplikasi ini melalui platform Google Playstore. Analisis sentimen terhadap aplikasi JOOX ini dilakukan dengan menambahkan tahap pra-pelatihan menggunakan metode Bidirectional Encoder Representations from Transformers (BERT) pada rangkaian tahapan klasifikasi komentar menjadi sentimen positif, netral, dan negatif. Komputasi dilakukan dengan menggunakan bahasa pemrograman Python. Komputasi mnggunakan 10.000 data, yaitu 10.000 komentar, di mana 7.000 data dijadikan data latih, 2.010 sebagai data validasi, dan 990 data sebagai data uji. Skor dihitung dengan mengkombinasikan akurasi baseline dengan skore recall yang memberikan akurasi F1-score. Hasil analisis sentimen adalah 41,92% true (sentimen) positif, 1,01% true netral, dan 35,95% true negatif, semuanya dari 990 data uji, dengan akurasi F1-score berturut-turut 86%, 51%, dan 76% sementara akurasi baseline adalah 83%, 79%, dan 75%, yang berarti ada peningkatan akurasi true positif sebesar 3,6% dan true negatif sebesar 1,3%.
ANALISIS PERBANDINGAN ALGORITMA PENGHAPUSAN NOISE IMAGE ENCHANCEMENT PADA CITRA ULTRASONOGRAFI Theofilus Dewa Arya Reinanta Putra; Yosefina Finsensia Riti; Dita Anggelia
Jurnal Ilmiah Informatika Komputer Vol 28, No 2 (2023)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/ik.2023.v28i2.8692

Abstract

Ketika melakukan akuisisi citra ultrasonografi,sering kali terjadi gangguan dalam bentuk noise. Hal ini tentunya dapat mengganggu intepretasi medis yang akurat. Oleh karena itu dibutuhkan penghapusan noise yang efektif,yaitu menggunakan metode point processing dan mask processing.Algoritma yang disediakan tentunya bermacam-macam,dalam penelitian ini akan dilakukan analisis perbandingan algoritma yang efektif untuk menghapus noise .Perbandingan algorritma dilakukan antaranya Contrast Streching,Retinex,Median Filter,dan High Pass Filter.  Setelah, hasil pengujian  dilakukan didapatkan bahwa metode Median Filter (Mask Processing) yang terbukti efektif untuk menghilangkan noise,dengan hasil nilai PSNR 35.50 dan MSE 18.64.
PERAMALAN HARGA SAHAM NVIDIA DENGAN METODE DOUBLE MOVING AVERAGE Alief Prima Gani; Tundo Tundo; Ridho Akbar; Kevin Arya Josaphat Sitompul
Jurnal Ilmiah Informatika Komputer Vol 29, No 2 (2024)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/ik.2024.v29i2.11690

Abstract

The movement of NVIDIA's stock price greatly affects investment decisions, so accurate forecasting is very important to influence investment decisions. This research will apply the data mining process for forecasting NVIDIA stock prices using the Double Moving Average method with the application of order 2 and order 3 models. The purpose of this study is to determine the forecasting of the NVIDIA stock price index based on historical data.  The results show that stock price forecasting using the Double Moving Average method order 2 model is more accurate and in accordance with actual or actual results. On the other hand, forecasting the Double Moving Average method with the order 3 model produces unsatisfactory forecasts that can be used, making it less suitable for dynamic markets. Therefore, the results of forecasting NVIDIA stock prices using the Double Moving Average method order 2 obtained an accuracy of 98% compared to order 3 of 67%. Based on the comparison results of using orders 2 and 3, it can be an important factor for investors to help make investment decisions in terms of forecasting the next production of NVIDIA shares.
RANCANG BANGUN INTERNET OF THINGS BERBASIS WEB UNTUK PEMANTAUAN KETINGGIAN AIR WADUK Anggraini Kusumaningrum; Astika Ayuningtyas; Asih Pujiastuti; Salam Aryanto; Puja Kurnia Putri
Jurnal Ilmiah Informatika Komputer Vol 29, No 3 (2024)
Publisher : Universitas Gunadarma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35760/ik.2024.v29i3.11907

Abstract

Inovasi PT Great Giant Pineapple ini yaitu membuat sensor ketinggian muka air pada waduk, agar kapasitas air waduk tersedia sampai akhir musim kemarau. PT Great Giant Pineapple harus mengetahui volume waduk tersebut sesuai perhitungan ilmiah. Sampai saat ini proses penyiraman tanaman, PT Great Giant Pineapple masih menggunakan data potensial waduk sebagai acuan perhitungan volume air waduk. Data potensial adalah data awal yang memuat luas dan tinggi kedalaman awal ketika waduk pertama kali dibuat. Seiring berjalannya waktu, luas dan kedalaman waduk mengalami perubahan yang disebabkan aktivitas sedimentasi yang mengakibatkan dangkalnya dasar waduk, sehingga data potensial waduk tidak bisa menjadi acuan untuk perhitungan ketersediaan air waduk selanjutnya. Untuk mengatasi hal tersebut, saat ini PT Great Giant Pineapple sedang melakukan pengembangan dengan menggunakan metode monitoring drone boot. Metode drone boot ini memungkinkan dapat menghitung rumus volume waduk secara aktual. Namun untuk mendapatkan ketinggian dan kedalaman waduk, pekerja harus terjun ke lapangan untuk mengukur ketinggian dan kedalaman waduk setiap hari. Sistem ini dapat dirancang untuk memonitoring ketinggian muka air di waduk secara realtime melalui web dan dapat merancang penyimpan data realtime dari sensor ke penyimpanan thingspeak. Akurasi data pengukuran manual dengan data perangkat IoT sebesar 99%
Front Matter Jurnal Ilmiah Informatika Komputer Vol. 29 No. 3, Desember 2024 Editorial Jurnal Ilmiah Informatika Komp
Jurnal Ilmiah Informatika Komputer Vol 29, No 3 (2024)
Publisher : Universitas Gunadarma

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

Abstract

Page 26 of 30 | Total Record : 296

 24   25   26   27   28 

Filter by Year

2006 2025


Reset
Filter By Issues
All Issue Vol. 30 No. 3 (2025) Vol 30, No 2 (2025) Vol 30, No 1 (2025) Vol 29, No 3 (2024) Vol 29, No 2 (2024) Vol 29, No 1 (2024) Vol 28, No 3 (2023) Vol 28, No 2 (2023) Vol 28, No 1 (2023) Vol 27, No 3 (2022) Vol 27, No 2 (2022) Vol 27, No 1 (2022) Vol 26, No 3 (2021) Vol 26, No 2 (2021) Vol 26, No 1 (2021) Vol 25, No 3 (2020) Vol 25, No 2 (2020) Vol 25, No 1 (2020) Vol 24, No 2 (2019) Vol 24, No 3 (2019) Vol 24, No 1 (2019) Vol 23, No 3 (2018) Vol 23, No 2 (2018) Vol 23, No 1 (2018) Vol 22, No 3 (2017) Vol 22, No 2 (2017) Vol 22, No 1 (2017) Vol 21, No 3 (2016) Vol 21, No 2 (2016) Vol 21, No 1 (2016) Vol 20, No 2 (2015) Vol 20, No 1 (2015) Vol 19, No 3 (2014) Vol 14, No 2 (2009) Vol 14, No 1 (2009) Vol 13, No 3 (2008) Vol 13, No 1 (2008) Vol 12, No 3 (2007) Vol 12, No 1 (2007) Vol 11, No 3 (2006) Vol 11, No 2 (2006) Vol 11, No 1 (2006) More Issue