cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Ananto Tri Sasongko
Contact Email
ananto@pelitabangsa.ac.id
Phone
+6288980229926
Journal Mail Official
ananto@pelitabangsa.ac.id
Editorial Address
Jl. Inspeksi Kalimalang No.9, Cibatu, Cikarang Sel., Kabupaten Bekasi, Jawa Barat 17530
Location
Kab. bekasi,
Jawa barat
INDONESIA
Jurnal Ilmiah SIGMA: Informatics Engineering Journal of UPB
Published by Universitas Pelita Bangsa
ISSN : 24073903     EISSN : 28291891     DOI : https://doi.org/10.37366/sigma.v16i1
Core Subject : Science,
Computer Science & IT Decision Sciences, Operations Research & Management
Jurnal Ilmiah SIGMA: Informatics Engineering Journal of UPB merupakan jurnal ilmiah yang diterbitkan oleh Program Studi Teknik Informatika Universitas Pelita Bangsa (UPB) Cikarang dengan no p-ISSN 2407-3903 (Media Cetak). Jurnal Ilmiah SIGMA: Informatics Engineering Journal of UPB adalah sebagai salah satu wadah publikasi bagi dosen-dosen yang memiliki penelitian ilmiah di bidang Teknik Informatika, Ilmu Komputer, Sistim Informasi, Artificial Inteligent, Data Mining, Image Processing, Rekayasa Perangkat Lunak. Setiap artikel yang diterbitkan oleh Jurnal Ilmiah SIGMA: Informatics Engineering of UPB telah melalui proses review dan editorial yang ketat serta menghormati ketentuan hukum hak cipta, privasi, dan etika publikasi ilmiah. Jurnal Ilmiah SIGMA : Information Technology Journal of UPB terbit dua kali dalam setahun, yaitu bulan Maret, Juni, September dan Desember.
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 396 Documents
 36   37   38   39   40 
Analisis Sentimen Terhadap Ulasan Pengguna Gopay: Studi Perbandingan Algoritma Support Vector Machine Dan Naive Bayes Hemdani Rahendra Herlianto; Bhagas Shaib Pramono
Jurnal SIGMA Vol 15 No 2 (2024): September 2024
Publisher : Teknik Informatika, Universitas Pelita Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37366/sigma.v15i2.7324

Abstract

Penelitian ini bertujuan menganalisis sentimen ulasan pengguna GoPay serta membandingkan kinerja algoritma Naïve Bayes dan Support Vector Machine (SVM). Data sebanyak 500 ulasan berbahasa Indonesia dikumpulkan secara otomatis dari Google Play Store menggunakan google-play-scraper. Data melalui tahapan pra-pemrosesan meliputi pembersihan teks, case folding, stopword removal, stemming, dan translasi ke bahasa Inggris. Pelabelan sentimen dilakukan menggunakan TextBlob dan menghasilkan tiga kelas: positif, netral, dan negatif. Untuk mengatasi ketidakseimbangan kelas, dilakukan augmentasi pada data minoritas. Fitur diekstraksi menggunakan TF-IDF dan data dibagi menjadi 80% data latih dan 20% data uji. Hasil pengujian menunjukkan bahwa SVM memberikan performa terbaik dengan akurasi 0,94, lebih tinggi dibandingkan Naïve Bayes sebesar 0,88. Selain itu, SVM juga menunjukkan nilai precision, recall, dan F1-score yang lebih konsisten. Dengan demikian, SVM lebih efektif dalam mengklasifikasikan sentimen ulasan pengguna GoPay.
Analisis Kepuasan Pelanggan Menggunakan Decision Tree Dalam Rancangan Sistem Informasi Restoran Candra Naya; Afif Firmansyah
Jurnal SIGMA Vol 15 No 3 (2024): Desember 2024
Publisher : Teknik Informatika, Universitas Pelita Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37366/sigma.v15i3.7325

Abstract

Penelitian ini bertujuan menganalisis tingkat kepuasan pelanggan terhadap sistem informasi restoran berbasis web menggunakan metode Decision Tree dengan algoritma C4.5. Permasalahan yang diangkat adalah belum optimalnya evaluasi berbasis data terhadap sistem informasi restoran, sehingga diperlukan pendekatan analitis untuk mengidentifikasi faktor-faktor yang memengaruhi kepuasan pelanggan. Data diperoleh dari 100 responden melalui kuesioner daring dengan lima atribut utama, yaitu tampilan, navigasi, fitur, pemesanan, dan kinerja sistem. Data diproses melalui tahap pembersihan, transformasi, dan kategorisasi sebelum dilakukan pemodelan menggunakan algoritma C4.5. Evaluasi model dilakukan dengan metode 10-Fold Cross Validation dan diukur menggunakan akurasi, precision, serta recall. Hasil penelitian menunjukkan bahwa 77% responden termasuk kategori puas dan 23% tidak puas. Atribut kinerja memiliki nilai information gain tertinggi (0,1855) sehingga menjadi faktor dominan yang memengaruhi kepuasan pelanggan, diikuti oleh atribut tampilan sebagai faktor sekunder. Model klasifikasi yang dihasilkan memperoleh akurasi sebesar 84,00%, dengan recall kelas puas sebesar 94,81% dan tidak puas sebesar 47,83%. Hasil ini menunjukkan bahwa algoritma C4.5 efektif dalam mengidentifikasi pola kepuasan pelanggan serta memberikan rekomendasi berbasis data untuk pengembangan dan optimalisasi sistem informasi restoran.
Penerapan Teknik Natural Language Processing dan Algoritma Random Forest Untuk Deteksi Dini Depresi Pada Unggahan Pengguna Media Sosial X Dedi Afandy; Silvia Delya Heryani
Jurnal SIGMA Vol 16 No 1 (2025): Juni 2025
Publisher : Teknik Informatika, Universitas Pelita Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37366/sigma.v16i1.7326

Abstract

Kesehatan mental merupakan isu global yang semakin mendapat perhatian karena dampaknya yang signifikan terhadap individu dan masyarakat. Gangguan kesehatan mental, termasuk depresi, telah menjadi salah satu penyebab utama penurunan kualitas hidup dan produktivitas. Penelitian ini bertujuan untuk membangun model deteksi dini depresi berdasarkan unggahan media sosial X dengan pendekatan Natural Language Processsing (NLP) dan algoritma Random Forest. Data dikumpulkan berdasarkan kata kunci dari indikator PHQ-9, kemudian diseleksi, diberi label, diproses melalui tahap preprocessing, dan diekstraksi fiturnya menggunakan metode Term Frequency-Inverse Document Frequency (TF-IDF). Model dikembangkan untuk mengklasifikasikan tiga tingkat depresi, yaitu ringan, sedang, dan berat, dengan pembagian data latih dan uji menggunakan rasio 80:20. Hasil evaluasi model menunjukkan akurasi sebesar 97% dengan nilai F1-Score masing-masing sebesar 0.97 untuk depresi ringan, 0.96 untuk depresi sedang, dan 0.96 untuk depresi berat. Hasil ini menujukkan bahwa metode yang diterapkan mampu mendeteksi gejala depresi secara efektif melalui analisis teks pada unggahan media sosial X.
Pengembangan Chatbot Berbasis Retrieval Augmented Generation untuk Penyediaan Informasi Tunjangan Karyawan pada PT. XYZ Handala Simetris Harahap; Ahmad Sarif
Jurnal SIGMA Vol 16 No 1 (2025): Juni 2025
Publisher : Teknik Informatika, Universitas Pelita Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37366/sigma.v16i1.7327

Abstract

Kecerdasan buatan (AI) semakin berperan dalam industri manufaktur Indonesia seiring implementasi Strategi Nasional Kecerdasan Artifisial (Stranas KA) 2020–2045, namun keterbatasan akses informasi terkait tunjangan karyawan dalam Perjanjian Kerja Bersama (PKB) masih menjadi tantangan. Penelitian ini bertujuan mengembangkan chatbot berbasis Retrieval Augmented Generation (RAG) untuk menyediakan informasi tunjangan secara cepat dan akurat. Metode yang digunakan bersifat kuantitatif, meliputi pengumpulan dokumen PKB, pengolahan data ke dalam format terstruktur menggunakan basis data graf Neo4j, serta pengembangan sistem chatbot berbasis RAG yang terintegrasi dengan GPT-4. Pendekatan RAG mengombinasikan proses pencarian informasi dari dokumen terpercaya dengan kemampuan AI generatif untuk menghasilkan jawaban yang relevan dan kontekstual. Evaluasi sistem dilakukan melalui pengujian black-box terhadap 40 pertanyaan dengan metrik akurasi, presisi, recall, dan F1-score. Hasil pengujian menunjukkan performa yang sangat baik dengan akurasi 92%, presisi 92%, recall 100%, dan F1-score 96%, sementara pengujian langsung oleh karyawan menunjukkan tingkat keberhasilan jawaban benar sebesar 93,3%. Temuan ini menunjukkan bahwa chatbot berbasis RAG efektif dalam meningkatkan aksesibilitas informasi tunjangan karyawan serta mendukung transformasi digital di lingkungan industri.
Analisis Sentimen Publik di Platform Media Sosial X (Twitter) Tentang Tren AI dan Robotika Dalam Dunia Kerja di Indonesia dengan Metode Naïve Bayes Nurhadi Surojudin; Dwi Aditya Budi Listiawan
Jurnal SIGMA Vol 16 No 2 (2025): September 2025
Publisher : Teknik Informatika, Universitas Pelita Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37366/sigma.v16i2.7328

Abstract

Perkembangan teknologi Artificial Intelligence (AI) dan Robotika telah membawa perubahan signifikan dalam berbagai aspek kehidupan, terutama di dunia kerja. Di Indonesia, tren ini memicu beragam tanggapan publik melalui media sosial Twitter. Penelitian ini bertujuan untuk menganalisis sentimen publik terhadap tren AI dan Robotika dalam dunia kerja di Indonesia dengan menggunakan metode Naïve Bayes. Data yang digunakan dalam penelitian ini terdiri dari 1.345 tweet relevan yang dikumpulkan selama periode 1 Januari hingga 1 April 2025 melalui teknik crawling berdasarkan kata kunci yang relevan. Data tersebut kemudian diproses melalui tahap preprocessing, pelabelan menggunakan pendekatan lexiconbased, pembobotan TF-IDF, serta penyeimbangan data dengan metode Synthetic Minority Oversampling Technique (SMOTE). Selanjutnya, data diklasifikasikan ke dalam dua kategori sentimen, yaitu positif dan negatif, menggunakan algoritma Multinomial Naïve Bayes. Hasil analisis terhadap 1.136 tweet bersih hasil preprocessing menunjukkan bahwa persepsi publik didominasi oleh sentimen negatif, dengan model memprediksi 259 tweet positif dan 877 tweet negatif. Akurasi pada data uji mencapai 82%, dengan precision 0,96 dan recall 0,81 untuk sentimen positif, serta precision 0,53 dan recall 0,87 untuk sentimen negatif. Nilai F1-score macro tercatat sebesar 0,77. Evaluasi lebih lanjut menggunakan Cross Validation Stratified 5-Fold menunjukkan peningkatan akurasi menjadi 91,52% dan F1-score macro sebesar 0,9146. Temuan penelitian ini menunjukkan bahwa masyarakat Indonesia masih cenderung resistensi terhadap tren AI dan Robotika dalam konteks dunia kerja. Selain itu, hasil penelitian ini memberikan kontribusi penting terhadap pengembangan metode analisis sentimen berbasis media sosial di Indonesia, serta mendukung upaya transformasi teknologi dan perumusan kebijakan publik berbasis data yang lebih responsif dan sistematis.
Pengembangan Chatbot Untuk Deteksi Tingkat Stres Menggunakan NLP Berdasarkan Perceived Stress Scale (PSS) Dengan Metode TF-IDF Dan Cosine Similarity Zaenur Rozikin; Ravansa Rahman Santosa
Jurnal SIGMA Vol 16 No 2 (2025): September 2025
Publisher : Teknik Informatika, Universitas Pelita Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37366/sigma.v16i2.7329

Abstract

Stres merupakan masalah kesehatan mental yang umum terjadi pada remaja dan dewasa muda sehingga deteksi dini sangat diperlukan untuk mendukung langkah pencegahan yang tepat. Penelitian ini bertujuan mengembangkan chatbot berbasis web untuk mendeteksi tingkat stres menggunakan Perceived Stress Scale versi 10 item (PSS-10) dalam Bahasa Indonesia. Sistem dibangun dengan pendekatan Natural Language Processing (NLP) menggunakan metode TF-IDF dan Cosine Similarity untuk mengklasifikasikan respons pengguna ke dalam kategori skor tertentu. Pengembangan dilakukan menggunakan framework Flask dengan integrasi database MySQL untuk menyimpan data interaksi. Dataset disusun dari berbagai variasi sinonim jawaban agar sistem mampu memahami bahasa alami secara lebih akurat. Pengujian dilakukan melalui black-box testing untuk memastikan fungsionalitas sistem serta uji akurasi skor dengan membandingkan hasil klasifikasi chatbot terhadap data acuan. Hasil menunjukkan seluruh fitur berjalan dengan baik dan sistem mampu memberikan klasifikasi skor yang akurat dengan tingkat akurasi 100% pada data uji. Penelitian ini membuktikan bahwa pendekatan NLP sederhana berbasis aturan tetap efektif untuk mendukung asesmen mandiri, serta menunjukkan bahwa chatbot “Tenangin” berpotensi menjadi solusi digital yang praktis dan mudah diakses untuk skrining awal tingkat stres.

Page 40 of 40 | Total Record : 396

 36   37   38   39   40 

Filter by Year

2016 2025


Reset
Filter By Issues
All Issue Vol 16 No 2 (2025): September 2025 Vol 16 No 1 (2025): Juni 2025 Vol 15 No 3 (2024): Desember 2024 Vol 15 No 2 (2024): September 2024 Vol 15 No 1 (2024): Maret 2024 Vol 15 No 1 (2024): Juni 2024 Vol 14 No 4 (2023): Desember 2023 Vol 14 No 3 (2023): September 2023 Vol 14 No 2 (2023): Juni 2023 Vol 13 No 4 (2022): Desember 2022 Vol 13 No 3 (2022): September 2022 Vol 13 No 2 (2022): Juni 2022 Vol 13 No 1 (2022): Maret 2022 Vol 12 No 4 (2021): Desember 2021 Vol 12 No 3 (2021): September 2021 Vol 12 No 2 (2021): Juni 2021 Vol 12 No 1 (2021): Maret 2021 Vol 11 No 3 (2020): September 2020 Vol 11 No 2 (2020): Juni 2020 Vol 11 No 1 (2020): Desember 2020 Vol 10 No 4 (2019): Desember 2019 Vol 10 No 3 (2019): September 2019 Vol 10 No 2 (2019): Desember 2019 Vol 10 No 2 (2019): Juni 2019 Vol 10 No 1 (2019): Maret 2019 Vol 9 No 4 (2019): Juni 2019 Vol 9 No 3 (2019): Maret 2019 Vol 9 No 2 (2018): Volume 9 Nomor 2 Desember 2018 Vol 9 No 2 (2018): Desember 2018 Vol 9 No 1 (2018): September 2018 Vol 8 No 2 (2018): Maret 2018 Vol 8 No 1 (2018): Maret 2018 Vol 8 No 4 (2017): Desember 2017 Vol 8 No 3 (2017): September 2017 Vol 8 No 2 (2017): Juni 2017 Vol 8 No 1 (2017): Maret 2017 Vol 7 No 2 (2016): September 2016 Vol 7 No 1 (2016): Maret 2016 More Issue