cover
Contact Name
Tursina
Contact Email
juara@untan.ac.id
Phone
-
Journal Mail Official
juara@untan.ac.id
Editorial Address
Gedung Informatika Fakultas Teknik Universitas Tanjungpura Jl. Prof. Dr. Hadary Nawawi Pontianak 78124
Location
Kota pontianak,
Kalimantan barat
INDONESIA
Jurnal Aplikasi dan Riset Informatika
ISSN : -     EISSN : 30263484     DOI : -
Core Subject : Science,
The scope of JUARA is, but is not limited to the following: theory and information science, information systems, information security, data processing and structure, programming and computing, software engineering, informatics, computer science, computer engineering, architecture and computer networks, robotics, parallel and distributed computing, operating systems, compilers and interpreters, games, numerical methods, mobile computing, natural language processing, data mining, cognitive systems, speech processing, machine learning, artificial intelligence, expert systems, geographical information systems, computational theory, and informatics applications in various fields.
Articles 59 Documents
Sistem Prediksi Jumlah Peserta Mata Kuliah Mahasiswa Informatika Universitas Tanjungpura Menggunakan Regresi Linier Berganda Endah Ardhia Utami; Yus Sholva; Anggi Perwitasari
Jurnal Aplikasi dan Riset Informatika Vol 2, No 1 (2023)
Publisher : Jurnal Aplikasi dan Riset Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/juara.v2i1.71853

Abstract

Jumlah mahasiswa yang mengambil suatu mata kuliah dapat mengalami peningkatan dan dapat pula mengalami penurunan. Ketidakstabilan jumlah mahasiswa yang mengambil suatu mata kuliah ini menjadi suatu masalah yang dihadapi Jurusan Informatika Universitas Tanjungpura dalam menentukan jumlah kelas yang akan dibuka untuk perkuliahan. Sering terjadi pembukaan atau penutupan kelas saat proses pengisisan Lembar Isian Rencana Mahasiswa (LIRS) sebagai akibat dari jumlah kelas yang dibuka tidak sesuai dengan jumlah mahasiswa yang mengambil mata kuliah. Diperlukan sebuah sistem untuk menghasilkan prediksi jumlah peserta mata kuliah, sehingga dapat mengurangi kemungkinan pembukaan kelas baru dikarenakan peminatnya melebihi kapasitas kelas yang ada ataupun penutupan kelas karena kurangnya peminat pada suatu mata kuliah. Dalam pembuatan sistem tersebut diimplementasikan algoritma regresi linier berganda untuk melakukan prediksi jumlah mahasiswa yang akan mengambil kelas suatu mata kuliah pada semester selanjutnya. Algoritma regresi linier ini dipilih karena algoritma ini mampu membuat estimasi atau prediksi dengan memanfaatkan data-data lama mengenai jumlah mahasiswa yang mengambil mata kuliah, sehingga dapat dihasilkan sebuah pola hubungan antara atribut-atribut yang memengaruhi prediksi jumlah peserta mata kuliah. Atribut yang digunakan dalam membuat sistem prediksi ini yaitu jumlah peserta mata kuliah pada tahun sebelumnya, yaitu pada tahun akademik 2017/2018 ganjil hingga tahun akademik 2020/2021 genap dengan 48 mata kuliah wajib pada jurusan Informatika Universitas Tanjungpura. Hasil dari proses implementasi algoritma regresi linier berganda berupa prediksi jumlah mahasiswa yang mengambil suatu mata kuliah dan prediksi jumlah pembukaan kelas pada masing-masing mata kuliah dari hasil prediksi jumlah peserta mata kuliah yang dihasilkan menjadi keluaran sistem prediksi jumlah peserta mata kuliah yang dibuat. Algoritma regresi yang digunakan untuk pemodelan prediksi selanjutnya dievaluasi dan menghasilkan rata-rata eror yang cukup tinggi sebesar 28,8%.
Aplikasi Pedoman Diet Penyakit Ginjal Menggunakan Metode Fuzzy Inference Sistem (FIS) Tsukamoto Egi Fazillah; Helfi Nasution; Haried Novriando
Jurnal Aplikasi dan Riset Informatika Vol 1, No 1 (2022)
Publisher : Jurnal Aplikasi dan Riset Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jari.v1i1.53052

Abstract

Penyakit ginjal adalah gangguan yang terjadi pada organ ginjal, yaitu dua buah organ berbentuk seperti kacang merah yang berada di kedua sisi tubuh bagian punggung bawah, tepatnya di bawah tulang rusuk.Untuk menjaga kesehatan penderita Penyakit Ginjal, salah satunya adalah dengan menjaga pola makan atau melakukan diet sehat.Atas dasar tersebut maka diperlukan sebuah aplikasi yang dapat membantu penderita penyakit ginjal mendapatkan pedoman diet yang tepat. Adapun aplikasi yang akan dibangun menggunakan metode Fuzzy Tsukamoto sebagai metode penalaran untuk menentukan penetapan protein harian yang dapat dikonsumsi oleh penderita penyakit ginjal kronik dan gagal ginjal dengan dialisis. Aplikasi ini dibangun berbasis web agar dapat digunakan siapapun yang membutuhkan. Berdasarkan pengujian yang dilakukan, pada pengujian black box aplikasi ini valid dengan tingkat keberhasilan 100% pada setiap tes yang diujikan. Aplikasi ini dinilai baik dengan persentase 77,2% pada skala Likert penilaian pengguna.
Analisis Akun Fake Terhadap Penjualan Smartphone di Media Sosial Instagram Nur Hidayat; Tursina Tursina; Helen Sasty Pratiwi
Jurnal Aplikasi dan Riset Informatika Vol 1, No 2 (2023)
Publisher : Jurnal Aplikasi dan Riset Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jari.v2i1.66240

Abstract

Instagram merupakan media sosial yang pada dasarnya berfungsi untuk berbagi foto maupun vídeo pada sesama pengguna. Instagram dapat memberikan kemudahan bagi penjual Smatphone untuk memasarkan dan mempromosikan produknya melalui internet. Instagram sebagai tempat untuk mempromosikan produknya, tidak luput pula banyak yang menyalah gunakan Instagram sebagai media penipuan, salah satu dari penipuan Instagram yang sering terjadi adalah penjualan Smatphone yang menggunakan akun fake/palsu yang tidak jelas siapa penggunanya untuk menjual produknya dengan memberi harga yang sangat lah jauh lebih murah dari harga yang dijual di pasaran. Penelitian ini membuat membandingkan dua metode untuk pemodelan text mining dengan mengelompokkan akun kedalam kelompok akun fake / palsu dan akun asli, text mining yang digunakan algoritma Clustering K-Menas dan Naives Bayes dengan parameter username, bio, postingan, followers, following, simbol, privasi, caption postingan, komentar, dan jumlah like. Penelitian ini menggunakan data sebanyak 120 data akun penjual smartphone diambil secara random menggunakan scrapping. Untuk mengetahui seberapa baik kinerja pengelompokan yang dilakukan dengan menggunakan metode K-Means Clustering dan Naive Bayes. Untuk mendapatkan hasil akurasi terbaik dilakukan dilakukan pembagian data training dan data testing menggunakan Algoritma Naive Bayes. Hasil perhitungan Algoritma K-Means Clustering mendapatkan hasil akurasi sebesar 37,19% sedangkan Naive Bayes mendapatkan hasil akurasi sebesar 61,90%. Sehingga Alagoritma yang baik untuk medapatkan hasil akurasi terbaik di penelitian ini adalah Algoritma Naive Bayes.
Comparison of Support vector machine and Naïve Bayes Classification Algorithms Using VADER and Lexicon based Labelling on Indonesian and English Tweets Sunarko, Ponco; Putra Negara, Arif Bijaksana; Septiriana, Rina
Jurnal Aplikasi dan Riset Informatika Vol 3, No 1 (2024)
Publisher : Jurnal Aplikasi dan Riset Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/juara.v3i1.86468

Abstract

Sentiment analysis is essential in natural language processing, and it helps understand public opinion from text, especially on social media. This research compares the effectiveness of Naive Bayes and Support vector machine (SVM) algorithms in sentiment classification of automatically labelled tweets using VADER and Lexicon-based methods. The data consists of Indonesian and English tweets collected through scrapping. The methodology includes business understanding, data understanding, data preparation, modelling, evaluation, and deployment stages. In the preprocessing stage, the data is cleaned and divided into 300 sentences for test data in Indonesian and English; each data will be labelled manually, and then 3762 sentences for Indonesian data and 4308 sentences for English data will be used as training data. The highest accuracy on automatic labelling against manual labelling is on Lexicon-based labelling, showing 66% accuracy for Indonesian and 55% for English. Text features were extracted using TF-IDF, and the model was trained and tested with the labelled data. The results showed that SVM with Lexicon-based auto-labelling had the best performance, with an accuracy of 44% for Indonesian and 57% for English. The combined accuracy of automatic labelling and classification was 29% for Indonesian and 31% for English. Factors such as tweet length, dictionary limitations, and use of slang affected the accuracy. The analysis also showed biases in the data and auto-labelling results.
Aplikasi Penjualan Pakaian Vintage Second Hand Berbasis E-Commerce pada Wakaiko.90s Nur Rizki Fachrullah; Novi Safriadi; Enda Esyudha Pratama
Jurnal Aplikasi dan Riset Informatika Vol 1, No 2 (2023)
Publisher : Jurnal Aplikasi dan Riset Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jari.v2i1.61020

Abstract

Era digital mengubah kegiatan penjualan pakaian bekas (second hand) dari toko fisik menjadi secara online seperti di sosial media dan market place. Tetapi, pada saat ini di negara Indonesia masih banyak yang belum menjual pakaian bekas secara E-Commerce. Oleh karena itu, dapat dirancang aplikasi penjualan pakaian vintage second hand berbasis E-Commerce pada online store Wakaiko.90s. Penelitian ini memiliki rumusan masalah yaitu bagaimana merancang dan membangun aplikasi penjualan pakaian vintage second hand pada Wakaiko.90s. Dengan tujuan untuk merancang aplikasi penjualan online berbasis E-Commerce pada Wakaiko.90s dan juga memudahkan pengolaan, penjualan dan mempermudah pembeli agar lebih efisien dalam bertransaksi. Perancangan website menggunakan Data Flow Diagram (DFD) yang meliputi : desain diagram konteks, diagram overview dan diagram rinci. Aplikasi dibangun berbasis website dengan menggunakan teknik pemrograman terstruktur yang dalam hal ini menggunakan bahasa pemrograman PHP pada sisi back-end sistem dan menggunakan HTML, CSS, JavaScript dan Framework Bootstrap pada sisi front-end sistem. Hasil pengujian aplikasi ini menggunakan metode Black Box untuk menguji fungsionalitas sistem dengan menggunakan aplikasi Katalon Studio dan UAT untuk menguji kelayakan aplikasi.
Pendekatan Pivot Language Terhadap Nilai Akurasi Mesin Penerjemah Statistik Syarifah Nurbaiti; Herry Sujaini; Tursina Tursina
Jurnal Aplikasi dan Riset Informatika Vol 1, No 1 (2022)
Publisher : Jurnal Aplikasi dan Riset Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jari.v1i1.53228

Abstract

Perbedaan bahasa dapat menjadi penghalang pertukaran informasi, maka saat ini sedang dikembangkan teknologi mesin penerjemah. Untuk mengatasi kelangkaan korpora dwi bahasa untuk beberapa pasangan bahasa, salah satunya menggunakan pivot sebagai “jembatan”  yang digunakan sebagai bahasa perantara terjemahan antara bahasa yang berbeda. Salah satu metode yang dapat digunakan adalah triangulation pivoting, tabel frase triangulation menggabungkan dua tabel frase, yaitu source pivot dan pivot target menjadi frase buatan korpus sumber dan target. Tujuan yang ingin dicapai dalam penelitian ini adalah untuk melihat pengaruh pivot language dengan metode triangulation terhadap nilai akurasi mesin penerjemah Bahasa Melayu Pontianak ke Bahasa Melayu Sambas dan Bahasa Indonesia sebagai pivot language. Pada penelitian yang dilakukan, penggunaan pivot language dengan metode triangulation dapat mempengaruhi nilai akurasi mesin penerjemah. Terlihat peningkatan nilai akurasi sebesar 4,147% dari nilai yang didapatkan pada mesin penerjemah tanpa pivot language. Penelitan ini dilakukan pengujian pada decoder moses, pengujian mesin penerjemah dengan bahasa Indonesia sebagai pivot language menghasilkan BLEU score sebesar 32,17%, sedangkan mesin penerjemah tanpa pivot language menghasilkan BLEU score sebesar 22,74%. Berdasarkan data tersebut penggunaan pivot language dengan metode triangulation pada mesin penerjemah statistik Bahasa Melayu Pontianak ke Bahasa Melayu Sambas dapat meningkatkan nilai akurasi.
Implementasi Metode K-Means Clustering dan Algoritma Cosine Similarity pada Repository Digital Jurusan Informatika Riza, Abu; Negara, Arif Bijaksana Putra; Pratiwi, Helen Sasty
Jurnal Aplikasi dan Riset Informatika Vol 2, No 2 (2024)
Publisher : Jurnal Aplikasi dan Riset Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/juara.v2i2.73974

Abstract

Penelitian ini bertujuan untuk mengelola data dokumen tugas akhir dalam Repositori Digital Jurusan Informatika. Fokus pengolahan data adalah pengelompokan dokumen berdasarkan abstrak dan penghitungan tingkat kemiripan antara dokumen-dokumen tersebut. Prosesnya dimulai dengan mengambil abstrak dari setiap dokumen tugas akhir dan melakukan pemrosesan teks menggunakan metode Nazief-Adriani. Kemudian, dilakukan perhitungan bobot kata dengan algoritma TF-IDF dan pengelompokan dokumen menggunakan K-Means Clustering. Selanjutnya, dihitung tingkat kemiripan antara dokumen-dokumen dalam kelompok menggunakan Cosine Similarity. Penelitian ini juga mengimplementasikan sistem berupa website yang memungkinkan pengguna mengakses dan memanfaatkan hasil pengolahan data. Diharapkan penelitian ini dapat memberikan pengelompokan dokumen tugas akhir yang efisien dan akurat berdasarkan abstrak, serta tingkat kemiripan yang baik antara dokumen-dokumen tersebut. Hal ini akan membantu pengguna mencari informasi relevan dan meningkatkan manajemen Repositori Digital Jurusan Informatika.
Perbandingan Algoritma Klasifikasi dalam Pendeteksian Hoax pada Media Sosial Antonius Yonathan; Herry Sujaini; Enda Esyudha Pratama
Jurnal Aplikasi dan Riset Informatika Vol 1, No 1 (2022)
Publisher : Jurnal Aplikasi dan Riset Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jari.v1i1.53126

Abstract

Pada media sosial, hoax atau berita palsu sering beredar. Pendeteksian hoax secara otomatis memerlukan program ataupun aplikasi yang mengimplementasikan algoritma klasifikasi untuk dapat membedakan konten hoax dengan konten fakta. Pada penelitian ini, lima algoritma klasifikasi, yaitu Multilayer Perceptron, Naïve Bayes, Support Vector Machine, Decision Tree, dan Random Forest dibandingkan kemampuannya dalam mengklasifikasikan data teks Tweet dari media sosial Twitter untuk mengetahui algoritma manakah yang paling akurat dalam mengklasifikasikan data tersebut. Pengujian yang dilakukan adalah pengujian, precision, recall, f1-score dan accuracy. Menurut hasil pengujian rata-rata nilai precision, algoritma Random Forest mendapat nilai tertinggi yaitu 0,8221, sedangkan Support Vector Machine terendah pada 0,7802. Untuk rata-rata nilai recall, Support Vector Machine mendapat nilai tertinggi dengan skor 1,000 sedangkan Multilayer Perceptron terendah dengan skor 0,7990. Untuk F1-Score, rata-rata nilai tertinggi terdapat pada algoritma Naive Bayes, yaitu 0,8742, sementara rata-rata nilai terendah terdapat pada algoritma Multilayer Perceptron dengan nilai 0,7989. Pada rata-rata nilai accuracy, nilai tertinggi berada pada algoritma Naive Bayes dengan nilai 0,7933 dan nilai terendah berada pada algoritma Multilayer Perceptron dengan nilai 0,7033.
Perbandingan Algoritma Logistic Regression dan Random Foret (Studi Kasus : Klasifikasi Emosi Tweet) Windari Oktapia Simanjuntak; Arif Bijaksana Putra Negara; Rina Septriana
Jurnal Aplikasi dan Riset Informatika Vol 1, No 2 (2023)
Publisher : Jurnal Aplikasi dan Riset Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jari.v2i1.69682

Abstract

Media sosial telah menjadi tempat dimana setiap orang dapat mengungkapan perasan dan pikirannya tanpa batasan. Salah satu media sosial yang paling banyak digunakan adalah Twitter. Twitter memiliki 238 juta pengguna aktif dan memberi pengguna akses untuk mencari informasi melalui Tweet tertentu. Sehingga Twitter dapat dijadikan sebagai sumber informasi untuk menganalisis emosi seseorang berdasarkan tulisan/Tweet yang dibuatnya. Dalam menganalisis emosi sebuah Tweet, diperlukan suatu metode untuk mengklasifikasikan Tweet ke dalam kelas emosi yang tepat. Klasifikasi emosi Tweet bertujuan untuk mengelompokkan Tweet ke dalam kelas emosi yang telah ditentukan sebelumnya seperti kemarahan, kegembiraan, ketakutan, cinta, dan kesedihan. Algoritma yang digunakan untuk membangun model machine learning untuk klasifikasi emosi yaitu Logistic Regression dan Random Forest. Tujuan dari penelitian ini adalah untuk mengetahui algoritma klasifikasi Multinomial Naive Bayes dan Decision Tree mana yang lebih baik dengan membandingkan hasil nilai accuracy dari algoritma klasifikasi tersebut. Penelitian ini juga menerapkan metode SMOTE. Hasil penelitian menunjukkan bahwa model klasifikasi Logistic Regresion memiliki nilai accuracy tertinggi sebesar 78.22%. Sedangkan model klasifikasi Random Forest memiliki nilai accuracy tertinggi sebesar 72.41%.
Aplikasi Provider SMS Center Sekolah dengan Penerapan SMS Gateway Eko Murdianto Prakoso; Yus Sholva; Anggi Perwitasari
Jurnal Aplikasi dan Riset Informatika Vol 1, No 2 (2023)
Publisher : Jurnal Aplikasi dan Riset Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jari.v2i1.61156

Abstract

Teknologi informasi sudah merupakan bagian dari kehidupan manusia zaman sekarang ini, diikuti oleh berkembangnya media komunikasi yang beragam dan disesuaikan dengan penggunanya. Keterbatasan sekolah dalam menyampaikan informasi secara cepat dan akurat kepada orang tua atau wali siswa menjadi suatu permasalahan ketika para guru akan mengadakan rapat maupun memberitahu orang tua siswa jika para siswa dipulangkan lebih awal adapun ketika sekolahan ingin mengirimkan informasi pemberitahuan atau undangan kepada orang tua atau wali melalui surat-menyurat masih diragukan untuk sampai ke orang tua atau wali. Permasalahan tersebut dapat diatasi dengan membangun SMS gateway sendiri pada sekolah, namun untuk membangun SMS gateway sendiri pada masing-masing sekolah membutuhkan tenaga dan alat atau hardware serta biaya yang tidak murah, dan saat ini belum adanya website provider SMS center yang dapat menjadi wadah tiap sekolah untuk itulah tujuan dilakukan penelitian ini. Perancangan sistem dibangun dengan menggunakan Unified Modelling Language (UML), untuk pengujian aplikasi dilakukan dengan dua cara, yaitu pengujian dengan metode Black Box dan Skala Likert. Hasil yang didapatkan dari pengujian Black Box adalah sistem dapat bekerja dengan penerapan SMS gateway sesuai yang diharapkan. serta hasil dari pengujian Skala Likert adalah aplikasi dianggap berjalan dengan baik, dengan perolehan nilai responden orang tua sebesar 221, responden operator sebesar 665, dan responden admin sebesar 61.