cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Fardhoni
Contact Email
awatara.res@gmail.com
Phone
+6282219322077
Journal Mail Official
awatara.res@gmail.com
Editorial Address
Jl. DR. Cipto Mangunkusumo No. 29, Kesambi, Kec. Kesambi, Kota Cirebon, Jawa Barat 45132
Location
Kota cirebon,
Jawa barat
INDONESIA
TECHNOVATAR
Published by Awatara Publisher
ISSN : -     EISSN : 30258874     DOI : https://doi.org/10.61434/technovatar.v2i1
Core Subject : Science, Education, Engineering,
Computer Science & IT Control & Systems Engineering Engineering Industrial & Manufacturing Engineering Mathematics
TECHNOVATAR Jurnal Teknologi, Industri, dan Informasi adalah sebuah jurnal ilmiah yang diterbitkan oleh Awatara Publisher dengan fokus utama pada pengkajian mendalam tentang perkembangan teknologi, industri, dan informasi dalam dunia digital. Jurnal ini menyajikan informasi dan pengetahuan terkini yang menginspirasi serta memperluas pemahaman tentang kemajuan teknologi, industri, dan informasi yang memberikan dampak positif bagi perkembangan masyarakat dalam era digital. Jurnal ini terbit secara berkala sebanyak tiga kali dalam setahun pada bulan Januari, April, Juli, dan Oktober.
Arjuna Subject : Ilmu Pengambilan Keputusan (semua kategori) - Sistem Informasi dan Manajemen
Articles 3 Documents
 1 
Search results for , issue "Vol. 2 No. 4 (2024): OKTOBER" : 3 Documents clear
PENERAPAN ALGORITMA MONTE CARLO UNTUK MEMPREDIKSI IPS DAN IPK BERDASARKAN KARAKTERISTIK MAHASISWA PERGURUAN TINGGI X DI KOTA CIREBON Malik, Husni Hidayat; Muhammad, Alva Hendi; Kusnawi, Kusnawi
TECHNOVATAR Jurnal Teknologi, Industri, dan Informasi Vol. 2 No. 4 (2024): OKTOBER
Publisher : Awatara Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61434/technovatar.v2i4.225

Abstract

Penelitian ini bertujuan untuk memprediksi Indeks Prestasi Semester (IPS) dan Indeks Prestasi Kumulatif (IPK) mahasiswa berdasarkan beberapa variabel karakteristik menggunakan algoritma Markov Chain Monte Carlo (MCMC). Variabel yang digunakan dalam penelitian ini meliputi program studi, golongan darah, pekerjaan ayah, pekerjaan ibu, dan jalur masuk. Prediksi nilai IPS dan IPK sangat penting untuk mengevaluasi kinerja akademik mahasiswa dan memberikan wawasan bagi kebijakan pendidikan di perguruan tinggi. Metode penelitian ini melibatkan penggunaan algoritma MCMC untuk memodelkan hubungan antara variabel karakteristik dengan IPS dan IPK. Data yang digunakan terdiri dari 250 mahasiswa, yang kemudian dibagi menjadi data pelatihan dan pengujian dengan rasio 80:20. Metrik evaluasi seperti Mean Absolute Error (MAE), Root Mean Squared Error (RMSE), dan R-squared (R²) digunakan untuk mengevaluasi akurasi model prediksi. Hasil penelitian menunjukkan bahwa model MCMC mampu memprediksi IPS dan IPK dengan akurasi yang baik, ditunjukkan oleh nilai MAE sebesar 0.12 untuk IPS dan 0.11 untuk IPK, serta R² sebesar 0.78 untuk IPS dan 0.80 untuk IPK. Variabel program studi dan jalur masuk muncul sebagai faktor yang paling signifikan dalam mempengaruhi nilai akademik mahasiswa, sementara golongan darah memiliki pengaruh yang lebih rendah. Pekerjaan ayah dan pekerjaan ibu juga memberikan kontribusi moderat terhadap prediksi hasil akademik. Kesimpulannya, algoritma MCMC efektif digunakan untuk memprediksi IPS dan IPK berdasarkan karakteristik mahasiswa, memberikan wawasan bagi institusi pendidikan dalam mengambil keputusan terkait pembinaan dan pengelolaan akademik.
IMPLEMENTASI SVM-PSO DALAM ANALISIS SENTIMEN PENGGUNA GOOGLE PLACE REVIEW DI MARKAS CAFE Rosmawan, Hendri; Setyanto, Setyanto; Wibowo, Ferry Wahyu
TECHNOVATAR Jurnal Teknologi, Industri, dan Informasi Vol. 2 No. 4 (2024): OKTOBER
Publisher : Awatara Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61434/technovatar.v2i4.230

Abstract

Sentiment analysis plays an important role in understanding customer perceptions of businesses, allowing companies to respond more effectively to customer needs and satisfaction. This study aims to evaluate the performance of a Support Vector Machine (SVM) model optimized with Particle Swarm Optimization (PSO) in classifying the sentiment of user reviews on Markas Cafe. The dataset consists of 1,533 user reviews categorized into three sentiment classes: positive, neutral, and negative. The optimization process using PSO is used to find the optimal SVM parameters. The results showed that the SVM-PSO model achieved an accuracy of 87.7% and an Area Under Curve (AUC) of 0.85, with the best performance on positive sentiment (94.7% precision and 92.8% recall). Although the model showed good ability in detecting positive sentiments, the results for neutral and negative sentiments indicated the need for further improvement. This study confirms the effectiveness of SVM-PSO in sentiment analysis and suggests this approach can be utilized by businesses to improve marketing and customer service strategies based on user feedback.
PENERAPAN KRIPTOGRAFI RSA UNTUK MENGATASI PEMALSUAN DALAM INDUSTRI PENERBITAN BUKU Ngiliyun, Ahmad; Rosidin, Rosidin; Nugraha, Deni
TECHNOVATAR Jurnal Teknologi, Industri, dan Informasi Vol. 2 No. 4 (2024): OKTOBER
Publisher : Awatara Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61434/technovatar.v2i4.247

Abstract

This study aims to develop a book publishing information system that can assist lecturers in publishing their academic works more efficiently and securely. The system implements the Rivest-Shamir-Adleman (RSA) cryptographic algorithm to protect book data from unauthorized access, as well as to prevent counterfeiting and copyright infringement. With the encryption applied, only authorized parties can access sensitive information. The implementation of this system has proven to increase efficiency in the book publishing process, reduce administrative obstacles, and enhance authors' confidence in the security of the system. It is expected that this system will boost academic productivity and maintain the integrity of lecturers' intellectual works.

Page 1 of 1 | Total Record : 3

 1 

Filter by Year

2024 2024


Reset
Filter By Issues
All Issue Vol. 2 No. 4 (2024): OKTOBER Vol. 2 No. 2 (2024): APRIL Vol. 1 No. 1 (2023): OKTOBER