cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Moh. Dasuki
Contact Email
moh.dasuki22@unmuhjember.ac.id
Phone
+6281330472493
Journal Mail Official
jasie@unmuhjember.ac.id
Editorial Address
Jl. Karimata 49, Kab. Jember, Provinsi Jawa Timur, 68121
Location
Kab. jember,
Jawa timur
INDONESIA
Jurnal Aplikasi Sistem Informasi dan Elektronika
Published by Universitas Muhammadiyah Jember
ISSN : 2714612X     EISSN : 27981509     DOI : https://doi.org/10.32528/jasie.v3i1
Core Subject : Science,
Computer Science & IT
Journal of Information Systems and Electronics Applications is a media publication of scientific work in the field of electronics technology and information systems which can be in the form of analysis, development, or technology applications in that field.
Arjuna Subject : Ilmu Komputer (semua kategori) - Perangkat Lunak
Articles 6 Documents
 1 
Search results for , issue "Vol 5, No 1 (2023): JASIE" : 6 Documents clear
OPTIMASI METODE MULTINOMIAL NAÏVE BAYES DENGAN MENGGUNAKAN METODE LEVENSHTEIN DISTANCE PADA ULASAN APLIKASI KAI ACCESS Fariz, Muhammad Ivan; Arifianto, Deni; Rahayu, Yeni Dwi
IPTEQ Vol 5, No 1 (2023): JASIE
Publisher : Universitas Muhammadiyah Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32528/jasie.v5i1.20990

Abstract

KAI Access merupakan aplikasi untuk mempermudah pengguna dalam mengakses layanan dan informasi terkait tiket perjalanan kereta api. KAI Access memiliki fitur ulasan beraneka ragam yang merupakan wadah bagi pengguna untuk memberikan feedback. Pada penelitian ini akan dilakukan analisis sentimen terhadap data ulasan KAI Access sejumlah 8713 data ulasan. Metode yang digunakan yaitu multinomial naïve bayes dan metode levenshtein distance. Dari kombinasi metode tersebut diharapkan dapat meningkatkan hasil klasifikasi. Seluruh data akan dilakukan pemodelan menggunakan metode K Fold Cross Validation dengan nilai k=2,3,4,5,6,7,8,9 dan 10. Berdasarkan hasil pengujian menggunakan multinomial naïve bayes diperoleh nilai tertinggi yaitu akurasi sebesar 92%, tingkat presisi sebesar 60% dan tingkat recall sebesar 45%. Sedangkan kombinasi metode multinomial naïve bayes-levesnhtein distance mangalami peningkatan pada pengujian K-ke 9 yang awalnya menggunakan multinomial naïve bayes saja mendapatkan nilai akurasi 83%, presisi 59% dan recall 44%, kemudian meningkat ketika menggunakan kombinasi metode levenshtein distance sebesar akurasi 84%, presisi 60% dan recall 46%. Proses pengujian yang telah dilakukan dapat disimpulkan bahwa optimasi multinomial naïve bayes menggunakan levenshtein distance meningkatkan hasil akurasi, presisi dan recall sebesar 1-2%.
DETEKSI PENYAKIT DAUN TEH MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) Kiki Diah Ayu Puspita; Agung Nilogiri; Hardian Oktavianto
IPTEQ Vol 5, No 1 (2023): JASIE
Publisher : Universitas Muhammadiyah Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32528/jasie.v5i1.19821

Abstract

Teh menjadi salah satu minuman paling populer di dunia dan banyak diminati. Indonesia merupakan negara eksportir teh terbesar keenam dunia. Berbagai macam usaha pengolahan dan implementasi secara berkala menemui keterbatasan sehingga tidak dapat memenuhi kebutuhan produksi yang diprediksikan. Salah satu penyebab turunnya produksi teh di Indonesia adalah penyakit pada daun teh, penyakit yang sering ditemui pada daun teh yaitu Brown Blight dan penyakit Alga Leaf Spot. Untuk itu dibutuhkan sebuah metode yang mampu mendeteksi penyakit pada daun teh salah satunya Convolutional Neural Network menggunakan arsitektur VGG-16. Data yang digunakan berjumlah 1500 data terdiri dari 3 kelas yaitu healthy, brown blight, alga spot. Data dibagi menjadi 2 bagian, 1350 data yang digunakan sebagai validasi silang dan 150 data untuk uji akhir. Pengujian akhir menggunakan 150 citra didapatkan akurasi sebesar 97,7%. Kesimpulan dari penelitian ini menunjukkan bahwa algoritma Convolutional Neural Network (CNN) yang dibangun relatif mampu mendeteksi jenis penyakit daun teh dengan baik. Nilai sensitivitas lebih kecil dibanding dengan spesifisitas artinya tingkat pendeteksi model penyakit lebih rendah dari tingkat pendeteksi daun sehat untuk mendeteksi citra penyakit daun teh.
ANALISIS USER EXPERIENCE PADA WEBSITE BUILDWITH ANGGA MENGGUNAKAN METODE COGNITIVE WALKTHROUGH Afrian Piesca Firmanda; Ulya Anisatur Rosyidah; Ari Eko Wardoyo
IPTEQ Vol 5, No 1 (2023): JASIE
Publisher : Universitas Muhammadiyah Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32528/jasie.v5i1.17123

Abstract

Saat ini user experience (UX) dianggap sebagai faktor kunci keberhasilan hampir semua produk. Untuk itu diperlukannya penilaian atau evaluasi pada usability pada Website yang akan diteliti yaitu BuildWith Angga, salah satunya dengan menggunakan metode iCognitive Walkthrough. Cognitive Walkthrough merupakan metode evaluasi yang berbasis teori tentang kegunaan dalam antarmuka. Metode ini berkonsentrasi pada kemudahan belajar dengan eksplorasi, dimana pengguna atau responden mencoba melakukan skenario tugas dengan teknik coba - coba. Responden pada analisis usability website BuildWith Angga sejumlah 10 responden yang dibagi menjadi 2 jenis, yaitu yang pernah membeli kelas premium BuildWith Angga dan yang belum pernah membeli dan mencoba website BuildWith Angga. Hasil Pengujian ini menunjukkan bahwa tingkat efektivitas memiliki nilai rata - rata 98,09% dan efisiensi memiliki nilai rata - rata 64,45%. Rekomendasi perbaikan pada situs web BuildWith Angga yaitu perbaikan pada Pengoptimalan kecepatan saat membuka laman website buildwithangga.com di halaman dashboard, Penggunaan bahasa ada laman web memakai 1 bahasa agar lebih konsisten, dan tombol all roadmap yaitu pewarnaan pada shape lebih kontras serta posisinya diubah secara presisi.
PERBANDINGAN OPTIMASI ALGORITMA RANDOM FOREST MENGGUNAKAN TEKNIK BOOSTING TERHADAP KASUS KLASIFIKASI CHURN PELANGGAN DI INDUSTRI TELEKOMUNIKASI Dinata, Noeril Agian Septa; Abdurrahman, Ginanjar; Fitriyah, Nur Qodariyah
IPTEQ Vol 5, No 1 (2023): JASIE
Publisher : Universitas Muhammadiyah Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32528/jasie.v5i1.18820

Abstract

Industri telekomunikasi berkembang sangat pesat dan perusahaan telekomunikasi terus melakukan berbagai inovasi untuk mendukung persaingan bisnis yang benar-benar sengit dan semakin sulit mendapatkan pelanggan. Persaingan ini menghasilkan churn pelanggan. Churn pelanggan yang tinggi adalah salah satu tingkat kegagalan perusahaan, oleh karena itu churn harus dikurangi. Algoritma Random Forest dipilih karena memiliki kemampuan untuk mengklasifikasikan data yang tidak lengkap dan dapat menangani data sampel yang besar. Tujuan khusus dari penelitian ini adalah untuk membandingkan kinerja algoritma Random Forest dengan optimasi menggunakan teknik boosting (XGBoost dan AdaBoost). Pada penelitian menggunakan Upsampled untuk mengatasi data yang tidak seimbang dan metode interquartile range dalam mengatasi pencilan. Hasil penelitian ini menujjukkan bahwa optimasi algoritma Random Forest menggunakan boosting AdaBoost menghasilkan kinerja yang paling optimal dengan hasil akurasi (99.13%), presisi (98.31%), recall (100%) dan f1-score (99.15%).
IMPLEMENTASI ALGORITMA MODIFIED K-NEAREST NEIGHBOR (MKNN) UNTUK KLASIFIKASI PENERIMA DANA BANTUAN COVID-19 Chaidir, Reza; Oktavianto, Hardian; Umilasari, Reni
IPTEQ Vol 5, No 1 (2023): JASIE
Publisher : Universitas Muhammadiyah Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32528/jasie.v5i1.21026

Abstract

Bantuan Langsung Tunai (BLT) yaitu program dari pemerintahan yang pemberiannya dengan syarat dan tanpa syarat kepada masyarakat miskin dalam bentuk uang tunai atau berbagai bantuan lainnya (Kemenko Kesra, 2009). Bersamaan dengan itu, saat pandemi COVID-19 masuk ke Indonesia, BLT kembali digelar pada tahun 2020. Warga yang terkena dampak pandemi Covid-19 bukan hanya masyarakat yang terkena dampak kesehatannya, tetapi juga masyarakat yang terdampak ekonominya. Meskipun BLT Dana Desa di Indonesia telah dialokasikan dengan tepat, masih terdapat kekurangan, salah satunya adalah masalah sasaran penerima BLT Dana Desa yang belum optimal. Seperti contohnya di Desa Andongsari, Kecamatan Ambulu, Kabupaten Jember. Oleh karena itu, agar penerima BLT Dana Desa semakin tepat sasaran atau sesuai kriteria, maka diperlukan alat atau metode untuk membantu permasalahan tersebut, salah satu diantaranya ialah menggunakan metode klasifikasi Modified K-Nearest Neighbor untuk dapat mengetahui tingkat akurasi, presisi, dan recall pada penyaluran bantuan langsung tunai yang ada di desa Andongsari. Berdasarkan hasil pengujian k yang telah dilakukan dari range 1-11 didapatkan hasil k optimal di angka 3, dan nilai akurasi sebesar 94,92%, nilai presisi sebesar 90,48%, sedangkan nilai recall sebesar 95%.
ANALISIS ALGORITMA GAUSSIAN NAÏVE BAYES TERHADAP KLASIFIKASI DATA PASIEN DEMAM TIFOID (TYPHOID FEVER) DI PUSKESMAS BALUNG JEMBER Nugroho, Dimas Widia Adi; Oktavianto, Hardian; Lusiana, Dewi
IPTEQ Vol 5, No 1 (2023): JASIE
Publisher : Universitas Muhammadiyah Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32528/jasie.v5i1.21076

Abstract

Penelitian ini bertujuan untuk menganalisis algoritma Gaussian Naïve Bayes dalam klasifikasi data pasien demam Tifoid di Puskesmas Balung Jember. Data yang digunakan terdiri dari 515 pasien, dengan partisi data menggunakan 20% sebagai data uji dan 80% sebagai data latih. Pemodelan data dilakukan dengan skenario K Fold Cross Validation menggunakan nilai k = 2, 4, 5, 8, dan 10. Untuk mengatasi ketidakseimbangan data digunakan metode Synthetic Minority Over Sampling Technique (SMOTE) sehingga menjadi 337 data. Hasil pemodelan menggunakan skenario K Fold Cross Validation menunjukkan bahwa nilai rata-rata akurasi tertinggi sebesar 89,61%, nilai rata-rata presisi tertinggi sebesar 90,07%, dan nilai rata-rata recall tertinggi sebesar 89,62%. Pengujian model Gaussian Naïve Bayes yang dibangun menghasilkan akurasi sebesar 94%, presisi sebesar 90%, dan recall sebesar 93%. Pengujian juga dibandingkan dengan metode Baseline, yaitu Random Guess dan Threshold. Metode Gaussian Naïve Bayes menunjukkan hasil yang lebih unggul dibandingkan dengan Random Guess, dengan akurasi pemodelan sebesar 49,85% dan pada pengujian sebesar 37,86%. Selain itu, model Gaussian Naïve Bayes juga unggul dibandingkan dengan metode threshold, dengan akurasi pemodelan sebesar 73,3% dan pada pengujian sebesar 75,73%. Penelitian ini menunjukkan bahwa algoritma Gaussian Naïve Bayes efektif dalam klasifikasi data pasien demam Tifoid. Penggunaan SMOTE sebagai metode penyeimbang data juga berhasil meningkatkan performa model. Penelitian ini memberikan kontribusi dalam pemahaman dan penerapan algoritma klasifikasi untuk analisis data pasien demam tifoid.

Page 1 of 1 | Total Record : 6

 1 

Filter by Year

2023 2023


Reset
Filter By Issues
All Issue Vol 7, No 2 (2025): JASIE Vol 7, No 1 (2025): JASIE Vol 6, No 2 (2024): JASIE Vol 6, No 1 (2024): JASIE Vol 5, No 2 (2023): JASIE Vol 5, No 1 (2023): JASIE Vol 4, No 2 (2022): JASIE Vol 4, No 1 (2022): JASIE Vol 3, No 2 (2021): JASIE Vol 3, No 1 (2021): JASIE Vol 2, No 2 (2020): JASIE Vol 2, No 1 (2020): JASIE Vol 1, No 2 (2019): JASIE Vol 1, No 1 (2019): JASIE More Issue