cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Anis Masruriyah
Contact Email
anis.masruriyah@gmail.com
Phone
+6282132204781
Journal Mail Official
anis.masruriyah@gmail.com
Editorial Address
Jalan Ronggo Waluyo Sirnabaya, Puseurjaya, Kec. Telukjambe Tim., Kabupaten Karawang, Jawa Barat 41361
Location
Kab. karawang,
Jawa barat
INDONESIA
Scientific Student Journal for Information, Technology and Science
Published by Universitas Buana Perjuangan Karawang
ISSN : 27152766     EISSN : -     DOI : -
Core Subject : Science,
Computer Science & IT
Scientific Student Journal for Information, Technology and Science berisi artikel-artikel hasil penelitian mahasiswa dari program studi Teknik Informatika, Fakultas Teknik dan Ilmu Komputer pada Universitas Buana Perjuangan Karawang. Jurnal ini dipublikasikan sebanyak dua kali setiap tahun oleh prodi Teknik Informatika. Kemudian, jurnal ini juga diharapkan dapat memberikan kontribusi dan mengembangkan penelitian yang berarti untuk meningkatkan sumber daya penelitian dalam Teknologi Informasi dan Ilmu Komputer.
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 193 Documents
 13   14   15   16   17 
Penentuan penerima beasiswa dengan motode Naïve Bayes pada SMK Nahdlatul Ulama Karanganyar Yusril Budimansyah; Amril Siregar; Dwi Kusumaningrum
Scientific Student Journal for Information, Technology and Science Vol. 5 No. 1 (2024): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Pendidikan memiliki pengaruh penting dalam menghasilkan anak didik yang berkarakter, inovatif dan berprestasi. Prestasi tentu dapat diraih berdasarkan kemampuan individu yang didasari pengetahuan yang baik dari tiap mata pelajaran. Salah satu keinginan murid meraih prestasi diluar maupun didalam sekolah adalah mendapatkan beasiswa. Namun pemberian bantuan beasiswa seringkali kurang tepat sasaran, maka dibuat penentuan penerimaan beasiswa di SMK Nahdlatul Ulama dengan tahapan pembersihan data, seleksi data, transformasi data, perhitungan manual maupun didalam program python, dan evaluasi pola menggunakan algoritma Naïve Bayes. Dengan hasil 25 data True positive, 96 data True negative dan 7 data False positive. Lalu evaluasi dari algoritma Naïve Bayes dengan menggunakan 31 data training, serta 128 data testing yang menghasilkan nilai akurasi 94,5%, presisi 78,1%, dan recall 100%.
Implementasi Model Prediksi Data Kriminalitas Menggunakan Algoritma Single Moving Average Abdul Hanan; Anis Masruriyah; Tohirin Mudzakir
Scientific Student Journal for Information, Technology and Science Vol. 5 No. 1 (2024): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Kriminal bukan lagi menjadi hal yang baru bagi masyarakat Indonesia, meningkatnya tindak kriminalitas disebabkan oleh berbagai persoalan seperti, ekonomi, sosial, konflik dan rendahnya kesadaran hukum, yang mengakibatkan kerugian moral, fisik, ekonomi, dan psikologis. Suatu proses kriminalisasi perbuatan yang mulanya tidak dianggap sebagai kejahatan, kemudian dengan dikeluarkannya perundang-udangan yang melarang perbuatan tersebut, maka perbuatan tersebut kemudian menjadi perbuatan jahat. Sebagaimana berdasarkan Pasal 1 ayat (3) Undang-Undang Dasar Negara Republik Indonesia Tahun 1945 (selanjutnya disebut UUD NRI Tahun 1945). Tercatat dalam laporan Kepolisian Kabupaten Karawang terdapat 1231 kasus pada tahun 2020 dan 1235 kasus pada tahun 2021, pada tindak kriminalitas pada 2 tahun terkahir didominasi oleh tindak kejahatan penipuan, curat, dan curanmor. Solusi yang diberikan untuk meminimalisir tindak kriminal dengan teknologi Data Mining menggunakan metode prediksi dari Single Moving Average dan hasil akan dievaluasi. Melalui tahapan preprocessing, implementasi algoritma dan evaluasi. Hasil implementasi dari algoritma single moving average mendapatkan nilai prediksi untuk kecamatan cilebar sebanyak 5.5 dengan akurasi 93% dan kecamatan telukjambe timur sebanyak 210 dengan akurasi 95%.
Implementasi Algoritma Naive Bayes Pada Analisis Sentimen Terhadap Pelayanan Jasa Pengiriman Berdasarkan Opini Twitter Abdul Majid; Amril Siregar; Deden Wahiddin
Scientific Student Journal for Information, Technology and Science Vol. 5 No. 2 (2024): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Tujuan penelitian ini menganalisis yang hasilnya dapat di olah bahan untuk evaluasi bagi pelayanan jasa pengiriman. Dalam penelitian ini data yang di Crawling Data dengan berbentuk format excel terbagi menjadi 3 kelas yaitu kelas positif, negatif, dan netral. Setelah itu data mengalami tahap filter data dari labelling data menjadi 2 kategori yaitu kategori kelas positif dan kelas negatif yang ada di data tweet menggunakan metode klasifikasi dengan label positif ditandai angka 1, sedangkan label negatif ditandai dengan angka -1. Data yang sudah dilakukan pelabelan sebanyak 1325 data tweet yang masuk dalam kata kunci ”Kurir” terdapat kelas positif ada 848 data tweet, dan kelas negatif ada 477 data tweet dengan menggunakan Algoritma Naïve Bayes. Lalu akan melakukan tahapan text preprocessing yang terdiri dari case folding, tokenizing, filtering, stemming, dan TF-IDF dan akan menghasilkan nilai sentimen positif dan negatif. Selanjutnya akan melakukan tahap pembagian dataset dibagi menjadi data training sebanyak 927 data, dan data testing sebanyak 398 data dengan menggunakan rasio 0.3 yang artinya 70% data training dan 30% data testing. Selanjutnya melakukan tahap evaluasi model klasifikasi algoritma Naive Bayes dengan menggunakan Confusion Matrix. Dari pengujian tersebut didapatkan hasil analisis sentimen dengan kata kunci ”kurir” mendapatkan nilai akurasi yang cukup baik dengan nilai akurasi sebesar 80%, presion 84%, dan Recall sebesar 87%.
Model Prediksi Harga Rumah Di Kabupaten Bandung Menggunakan Multiple Linear Regression Dan Support Vector Regression Aenul Fuadah; Amril Siregar; Yana Cahyana
Scientific Student Journal for Information, Technology and Science Vol. 5 No. 2 (2024): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Rumah suatu bangunan dengan peran yang sangat penting untuk kehidupan manusia, karena rumah sebagai tempat hunian dan berkumpulnya keluarga. Semakin banyaknya pembangunan rumah yang dibangun oleh pemerintah dan pengembang, dapat mempengaruhi pada suatu harga rumah. Maka konsumen juga memiliki banyak pilihan dalam memilih tempat tinggal, dengan harga rumah yang setiap tahunnya berbeda-beda. Untuk mempertimbangkan pembelian rumah sesuai harga yang diinginkan, perlu adanya metode untuk memprediksi harga perumahan. Salah satu cara untuk mengetahui prediksi harga rumah, dapat melakukan analisis pada data harga rumah sebelumnya. Pada penelitian ini dilakukan prediksi harga rumah pada kabupaten Bandung menggunakan algoritma Multiple Linear Regression dan algoritma Support Vector Regression. Tujuan penelitian ini untuk mengetahui kinerja algoritma mana yang lebih baik dalam pembuatan model prediksi menggunakan data harga rumah kabupaten Bandung. Hasil penelitian ini, pada algoritma Multiple Linear Regression memperoleh R2-Square sebesar 69% dan RMSE sebesar 694.18. Pada algoritma Support Vector Regression menghasilkan nilai R2-Square sebesar 68% dan RMSE sebesar 704.93. maka algoritma Multiple Linear Regression lebih baik dalam memprediksi harga rumah kabupaten Bandung.
IMPLEMENTASI ALGORITMA NAÏVE BAYES PADA ANALISIS SENTIMEN LARANGAN PENJUALAN ROKOK BATANGAN DI MEDIA TWITTER Ai Yanti; Deden Wahiddin; Rahmat Rahmat
Scientific Student Journal for Information, Technology and Science Vol. 5 No. 2 (2024): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Merokok adalah kebiasaan yang tak terpisahkan dari kelompok perokok di Indonesia. Menurut laporan Kementerian Kesehatan, sekitar 33,8% dari total penduduk Indonesia adalah perokok, artinya satu dari tiga orang termasuk perokok. Selain dampak kesehatan, sektor ekonomi juga dipengaruhi karena industri tembakau berkontribusi signifikan pada APBN tahun 2020, mencapai 10,11%. Oleh karena itu, pada tahun 2023, pemerintah berencana melarang penjualan rokok batangan secara perorangan. Hal ini berarti perokok harus membeli rokok dalam kemasan. Kebijakan ini didasarkan pada Keputusan Presiden (Keppres) yang melarang penjualan rokok batangan, yaito Keppres No. 25 Tahun 2022, sebagai bagian dari Program Penyusunan Peraturan Pemerintah Tahun 2023. Tujuan utama kebijakan ini adalah melindungi anak-anak agar tidak dapat membeli rokok batangan, yang lebih sering dibeli oleh mereka. Oleh karena itu, sebuah penelitian dilakukan untuk mengeksplorasi sentimen masyarakat terkait larangan penjualan rokok pada tahun 2023, khususnya di platform media sosial seperti Twitter. Metode yang digunakan dalam penelitian ini adalah Naive Bayes untuk menganalisis sentimen. Proses melibatkan beberapa tahap, termasuk pembersihan data, konversi huruf kecil, pemisahan kata (tokenizing), normalisasi, penghapusan kata-kata umum (stopword), dan penyederhanaan kata (stemming). Setelah tahap pra-pemrosesan, data diberi label dan diklasifikasikan menggunakan metode Naive Bayes. Hasil kategorisasi tweet cenderung bersifat positif atau negatif. Dari penelitian ini, tingkat akurasi yang dicapai adalah 73%, presisi sebesar 84%, dan recall mencapai 69%.
IMPLEMENTASI ALGORITMA NAÏVE BAYES DAN K-NEAREST NEIGHBOR UNTUK ANALISIS SENTIMEN TERHADAP LAYANAN INDIHOME BERDASARKAN OPINI TWITTER Aida Solehah; Amril Siregar; Adi Pratama
Scientific Student Journal for Information, Technology and Science Vol. 5 No. 2 (2024): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Dengan berkembang pesatnya teknologi, maka semakin besar juga penggunaan internet. Untuk menunjang kebutuhan internet agar semakin cepat dan nyaman digunakan maka diperlukan pula provider jaringan yang cepat untuk mengakses internet. Pada tahun 2018, Sebanyak 18,9% dari pengguna internet menyatakan bahwa media sosial adalah penggunaan utama internet mereka. Twitter adalah salah satu media sosial yang banyak digunakan untuk mencari hiburan, bisnis, ekonomi, politik, dan jenis informasi lainnya. Indihome merupakan provider yang banyak digunakan pengguna untuk mengkases internet, Di tahun 2022, IndiHome dinyatakan sebagai pemilik Internet Service Provider (ISP) yang paling banyak digunakan oleh pengguna ISP dibandingkan provider lainnya sehingga indihome dapat menarik perhatian masyarakat yang lebih besar. Penelitian ini akan melakukan analisis sentimen terhadap pelayanan indihome, data diambil dari opini-opini pengguna twitter. Data yang digunakan berjumlah 1008 data tweet dan data akan diklasifikasikan menjadi dua yaitu opini negatif dan positif. Algoritma Naive Bayes dan K-Nearest Neighbor digunakan untuk mengklasifikasikan data setelah dibagi menjadi 70% data latih dan 30% data uji. Algoritma Naive Bayes memiliki akurasi 81,8%, presisi 88,5%, dan recall 86,6%, sedangkan Algoritma K-Nearest Neighbor memiliki akurasi 59,0%, presisi 95,4%, dan recall 46,8% saat diuji menggunakan Confusion Matrix.
Prediksi Harga Rumah Di Karawang Menggunakan Algoritma Multiple Linear Regression dan Support Vector Regression Ali Handani; Amril Siregar; Tohirin Mudzakir
Scientific Student Journal for Information, Technology and Science Vol. 5 No. 2 (2024): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Rumah atau tempat tinggal merupakan kebutuhan utama bagi manusia, sehingga perlu perencanaan yang baik agar setiap keluarga dapat memiliki tempat tinggal yang layak. Dalam perencanaan tersebut, diperlukan prediksi atau perkiraan harga rumah di masa depan. Oleh karena itu, penelitian ini bertujuan untuk membuat model prediksi harga rumah menggunakan algoritma Multiple Linear Regression (MLR) dan Support Vector Regression (SVR) untuk dibandingkan. Data penelitian dikumpulkan melalui web scrapping dari beberapa situs web di bidang jual beli rumah, adapun variable yang mempengaruhi harga rumah seperti alamat, luas tanah, luas bangunan, kamar tidur, kamar mandi. Untuk tingkat yang baik dalam prediksi harga rumah, penelitian dilakukan beberapa kali dengan menggunakan data dependent dan data independent sebanyak 1732 data. Hasil perbandingan mendapatkan nilai akurasi 0.5439 dan evaluasi RMSE 148.3586 untuk algoritma Multiple Linear Regression (MLR), sedangkan algoritma Support Vector Regression (SVR) mendapatkan akurasi 0.5104 dan evaluasi RMSE 153.7563.
Model Prediksi Kekuatan Gempa Dengan Menggunakan Algoritma Linear Regression Dan Support Vector Regression (Studi Kasus BMKG) Annisa Nurhalizah; Yana Cahyana; Rahmat Rahmat
Scientific Student Journal for Information, Technology and Science Vol. 5 No. 2 (2024): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Gempa bumi merupakan jenis bencana alam yang sulit untuk dihindari hal tersebut dapat berdampak buruk bagi kehidupan masyarakat. Penelitian ini bertujuan untuk melakukan prediksi kekuatan gempa bumi di Pulau Jawa. Prediksi dilakukan dengan menggunakan algoritma Linear Regression dan Support Vector Regression sebagai pembanding. Pada algoritma Linear Regression mendapatkan nilai RMSE = 48.8352, MAPE = 1.2564 dan MAE = 24.065, sedangkan pada algoritma Support Vector Regression mendapatkan nilai RMSE = 50.9992, MAPE = 0.4029 dan MAE = 17.4873. hasil Linear Regression mendapatkan nilai yang lebih baik dalam melalukan model prediksi kekuatan gempa bumi di Pulau Jawa berdasarkan perhitungan RMSE, MAPE dan MAE.
Segmentasi Jumlah Tenaga Kesehatan Berdasarkan Kecamatan di Kabupaten Karawang Menggunakan Metode K-Medoids Aqib Zhaky; Sutan Faisal; Yana Cahyana
Scientific Student Journal for Information, Technology and Science Vol. 5 No. 2 (2024): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Pembangunan Kesehatan merupakan bagian dari pembangunan nasional yang pada hakekatnya kesehatan adalah merupakan pelaksanaan dalam kesehatan yang upaya kebugaran prosess memperoleh potensi hidup sehat bagi setiap penduduk masyarakat karawang sehingga terwujud derajat kesehatan yang diperoleh dari tenaga kesehatan kabupaten karawang yang bermutu. salah satunya ada di dinas kesehatan di Kabupaten Karawang, Tenaga kesehatan yang cukup kurang memadai di beberapa kecamatan di Karawang akan memudahakan masyarakat di kabupaten karawang di dinas kesahatan jumlah tenaga kesehatan di kecamatan karawang tersebut untuk hidup sehat dan mengobati penyakitnya. Penelitian ini menggunakaan teknik data minning dalam proses pengolahan data dengan metode K-Medoids clustering.Metode K-Medoids adalah salah satu bagian partitioning clustering yang efisien dalam dataset berukuran kecil sekaligus mencari titik yang paling refresentatif. Kelebihan metode ini terletak pada kemampuan mengatasi kelemahan metode K-Means yang sensitif terhadap outlier. Selain itu, hasil proses clustering tidak bergantung pada urutan masuk dataset. Metode tersebut dapat diterapkan ke dalam data presentase tenaga kesehatan yang bersumber pada tingkat kecamatan, sehingga dapat diketahui pengklasifikasian kecamatan sesuai data tersebut. Berdasarkan data pengelompokan tiga cluster tersebut yaitu cluster pertama sebagai cluster terendah sebanyak 13 (empat belas) kecamatan, cluster 2 yaitu 8 (delapan) kecamatan sebagai cluster sedang dan 9 (sembilan) kecamatan sebagai cluster tertinggi yaitu cluster 3 dari presentasi tenaga kesehatan pada setiap kecamatan di kabupaten Karawang. Diharapkan penelitian ini memberikan informasi kepada pemerintah kabupaten Karawang tentang pengelompokkan data tenaga kesehatan yang berdampak pada pemerataan jumlah tenaga kesehatan dalam pelayanan kesehatan terhadap masyarakat di kabupaten Karawang.
Algoritma Backpropagation Jaringan Syaraf Tiruan Untuk Prediksi Volume Logistik Pada Ketersediaan Gudang Ariel Ismail; Deden Wahiddin; ra Rahmat
Scientific Student Journal for Information, Technology and Science Vol. 5 No. 2 (2024): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Tujuan penelitian ini adalah memprediksi volume logistik untuk ketersediaan gudang, dimana hal tersebut tidak menutup kemungkinan dapat terjadinya pemasukan volume logistik yang seketika membengkak melebihi target persediaan gudang. Untuk mengatasi permasalahan tersebut yaitu dengan memprediksi stok/volume logistik untuk ketersediaan gudang menggunakan salah satu algoritma backpropagation jaringan syaraf tiruan dengan menggunakan tools matlab 2023a. Data yang diperoleh sebanyak 6 tahun dari tahun 2017 sampai 2022 setelah itu, data tersebut dilakukan proses pre processing. Setelah melalui tahap pre processing, data tersebut dibagi menjadi data latih dan data uji. Data latih untuk proses training dan data uji untuk proses testing, data latih sebanyak 5 tahun dari tahun 2017 sampai 2021, dan data uji sebanyak 1 tahun dari tahun 2022 saja. Tahapan penelitian ini dilakukan dengan mulai, pengumpulan data, analisis data, pengujian, implementasi, evaluasi sampai tahap selesai. Kesimpulan dari proses ini algoritma backpropagation menghasilkan nilai MAPE 8.2268%, MSE 0,008091, RMSE 0.08995 dan menghasilkan akurasi sebesar 92%.

Page 15 of 20 | Total Record : 193

 13   14   15   16   17 

Filter by Year

2020 2025


Reset
Filter By Issues
All Issue Vol. 6 No. 1 (2025): Scientific Student Journal for Information, Technology and Science Vol. 5 No. 2 (2024): Scientific Student Journal for Information, Technology and Science Vol. 5 No. 1 (2024): Scientific Student Journal for Information, Technology and Science Vol. 4 No. 2 (2023): Scientific Student Journal for Information, Technology and Science Vol. 4 No. 1 (2023): Scientific Student Journal for Information, Technology and Science Vol. 3 No. 2 (2022): Scientific Student Journal for Information, Technology and Science Vol. 3 No. 1 (2022): Scientific Student Journal for Information, Technology and Science Vol. 2 No. 2 (2021): Scientific Student Journal for Information, Technology and Science Vol. 2 No. 1 (2021): Scientific Student Journal for Information, Technology and Science Vol. 1 No. 2 (2020): Scientific Student Journal for Information, Technology and Science Vol. 1 No. 1 (2020): Scientific Student Journal for Information, Technology and Science More Issue