cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Dentik Karyaningsih
Contact Email
jurnaljriti@gmail.com
Phone
+628121871795
Journal Mail Official
harsiti@yahoo.com
Editorial Address
http://ejurnal.jejaringppm.org/index.php/jriti/editorialteamjriti
Location
Kota serang,
Banten
INDONESIA
Jurnal Riset Informatika dan Teknologi Informasi (JRITI)
Published by Jejaring Penelitian dan Pengabdian Masyarakat
ISSN : 30248167     EISSN : 31098959     DOI : https://doi.org/10.58776/jriti.v3i1
Core Subject : Science,
Computer Science & IT
Jurnal Riset Informatika dan Teknologi Informasi merupakan jurnal ilmiah yang diterbitkan oleh Jejaring Penelitian dan Pengabdian Masyarakat (JPPM) Banten. Jurnal ilmiah ini memuat hasil riset dosen, peneliti, mahasiswa dan masyarakat umum dibidang informatika dan teknologi informasi serta rumpun dan turunannya. Jurnal ini terbit tiga kali dalam setahun. Terbitan pertama di bulan Agustus 2023. Sedangkan untuk periode terbit adalah Agustus, Desember, dan April. Adapun bidang riset yang menjadi fokus jurnal ini (dengan tanpa bermaksud membatasi) adalah terkait dengan topik : data mining, data science, pembelajaran mesin (machine learning), kecerdasan buatan, sistem pakar, sistem informasi manajemen, sistem pendukung keputusan, cyber security, soft computing, logika samar (fuzzy logic), pengenalan pola, computer vission, pengolahan citra digital, software engineering, manajemen proyek, software testing, dan topik lain terkait informatika dan teknologi informasi yang relevan.
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 7 Documents
 1 
Search results for , issue "Vol 1 No 2 (2024): Desember 2023 - Maret 2024" : 7 Documents clear
Analisis Sentimen Terhadap Ulasan Aplikasi Pinjaman Online (PINJOL) di Google Play Store Menggunakan Naive Baiyes Classifier Alta Zahir, Muhamad Rafli; Ramdani, Bagus; Dwi Saputra, Arya
Jurnal Riset Informatika dan Teknologi Informasi Vol 1 No 2 (2024): Desember 2023 - Maret 2024
Publisher : Jejaring Penelitian dan Pengabdian Masyarakat (JPPM)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58776/jriti.v1i2.39

Abstract

Penelitian ini bertujuan untuk mendapatkan ulasan pengguna pada aplikasi pinjaman online melalui aplikasi Kredivo di Google Play Store. Analisis sentimen ini menggunakan algoritma Naive Baiyes Classifier yang memiliki nilai keakuratan yang cukup tinggi. Data yang diambil merupakan ulasan Positif maupun Negatif.
Klasifikasi Postingan Pengguna Facebook Untuk Deteksi Phising Menggunakan Naive Bayes Nur Fadlilah, Fikki Arsyi; Fahmi, Muhammad
Jurnal Riset Informatika dan Teknologi Informasi Vol 1 No 2 (2024): Desember 2023 - Maret 2024
Publisher : Jejaring Penelitian dan Pengabdian Masyarakat (JPPM)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58776/jriti.v1i2.49

Abstract

Phising merupakan penipuan digital yang umum dilakukan oleh penjahat siber dengan tujuan untuk mengambil data informasi pribadi pengguna dengan cara memanipulasi. Facebook adalah platform media social yang sangat popular di dunia sehingga bisa menjadi tempat yang basah bagi penjahat siber phising. Pada penelitian kali ini, kami membangun model Klasifikasi untuk mengidentifikasi dan mencegah upaya phising pada postingan facebook. Dataset yang digunakan dalam penelitian ini diperoleh dari posting pengguna facebook yang dikumpulkan. Pengolahan data dilakukan dengan melakukan preprocessing pada teks posting, termasuk penghapusan tanda baca dan kata kata yang tidak penting. Metode yang digunakan adalah Naïve Bayes untuk mengklasifikasikan posting kedalam kategori phising atau tidak phising. Metode Naïve Bayes digunakan karena kemampuannya dalam mengklasifikasikan data dengan tingkat Akurasi yang baik. Hal ini menunjukan bahwa fitur fitur yang dipilih dalam penelitian ini dapat menjadi indicator yang kuat untuk mendeteksi phising pada postingan pengguna facebook. Hasil penelitian menunjukan Naïve Bayes dapat menjadi solusi yang efektif untuk deteksi phising pada postingan pengguna facebook. Selain itu, hasil dari penelitian ini dapat memberikan wawasan yang berharga tentang ciri ciri umum dari postingan phising pada Facebook. Dengan nilai akurasi sebesar 99,01% diharapkan penelitian ini dapat membantu meningkatkan kesadaran dan keamanan Pengguna Facebook terhadap postingan phising.
Prediksi Harga Emas Menggunakan Algoritma Genetik Pada Platform Pegadaian: Prediksi Harga Emas Menggunakan Algoritma Genetik Pada Platform Pegadaian putra, Darmawan Rizky Syaputra
Jurnal Riset Informatika dan Teknologi Informasi Vol 1 No 2 (2024): Desember 2023 - Maret 2024
Publisher : Jejaring Penelitian dan Pengabdian Masyarakat (JPPM)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58776/jriti.v1i2.65

Abstract

Emas merupakan logam mulia yang banyak diminati, karena umumnya harga cenderung stabil dan meningkat setiap tahun. Investasi emas terbagi menjadi dua, ada investasi digital dan investasi fisik. Seringkali dalam investasi digital investor mengalami kerugian. Hal ini di karenakan banyak investor yang tidak mampu untuk memprediksi trend harga emas baik secara personal maupun menggunakan tools yang sudah ada. Studi ini bertujuan untuk memprediksi harga emas menggunakan Algoritma Genetika dan Algoritma Multiple Linear Regression (MLR). Hasil akhir penelitian ini membuktikan algoritma genetika memiliki akurasi terbaik..
Pengelompokkan Pengelompokan Berita Berdasarkan Kategori Like Action Pada Media Sosial Instagram Penamuda Menggunakan Algoritma K-means: Pengelompokan Berita Berdasarkan Kategori Like Action Pada Media Sosial Instagram Penamuda Menggunakan Algoritma K-means Zulyan Pratama, Ivan; Aziz, Fawwaz; Romadhan, Bram Kahlil
Jurnal Riset Informatika dan Teknologi Informasi Vol 1 No 2 (2024): Desember 2023 - Maret 2024
Publisher : Jejaring Penelitian dan Pengabdian Masyarakat (JPPM)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58776/jriti.v1i2.66

Abstract

Semakin banyak informasi yang beredar membuat pengguna sulit menemukan informasi berita berdasarkan kategori tertentu. Khususnya informasi yang ada di media sosial seperti instagram. Penelitian ini bertujuan untuk mengelompokan informasi pada media sosial instagram khususnya pada akun @lpm_penamuda sehingga informasi yang dibutuhkan oleh pembaca lebih terarah serta dapat mengurangi kompleksitas dan meningkatkan efisiensi dalam mengelola berbagai jenis informasi berita. Algoritma k-Means digunakan dalam penelitian ini untuk mengelompokan informasi dan postingan pada instagram berdasarkan like action. Di dalam clustering terdapat beberapa metode salah satunya adalah metode K-means. K-means adalah salah satu proses metode pengelompokan data ke dalam beberapa kelompok atau klaster berdasarkan kesamaan fitur. Hasil dari penelitian ini menunjukkan bahwa tipe postingan memiliki pengaruh signifikan terhadap like action.
Multi Regresi Linear Untuk Prediksi Kepadatan Penduduk Berdasarkan Variable Kependudukan Di Indonesia Baihaqi, Najmi
Jurnal Riset Informatika dan Teknologi Informasi Vol 1 No 2 (2024): Desember 2023 - Maret 2024
Publisher : Jejaring Penelitian dan Pengabdian Masyarakat (JPPM)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58776/jriti.v1i2.67

Abstract

Penduduk adalah orang yang bertempat tinggal dan telah menetap atau berniat menetap dalam minimum 1 tahun pada wilayah tertentu. Masalah yang akan dibahas dalam penelitian ini adalah masalah kepadatan penduduk Indonesia yang semakin cepat dan mendesak. Dalam penelitian ini, variabel yang meliputi jumlah penduduk, penduduk yang lahir, dan penduduk yang meninggal dunia di Indonesia akan digunakan untuk memperkirakan jumlah penduduk yang akan terserap di masa mendatang. Tingkat kepadatan penduduk di Indonesia saat ini sulit diprediksi dengan cepat. Hal ini dikarenakan adanya pergerakan penduduk yang tidak terkendali dari Kawasan perdesaan ke perkotaan. Pergerakan ini dipengaruhi kondisi ekonomi penduduk yang menggantungkan hidupnya dari mencari pekerjaan di wilayah lain. Imbasnya, peningkatan dan kepadatan penduduk suatu wilayah di Indonesia seringkali berubah dengan cepat. Tujuan penelitian ini adalah untuk memprediksi jumlah penduduk di Indonesia menggunakan metode multi regresi linear sehingga dapat diidentifikasi kepadatan penduduk suatu wilayah. Penelitian ini menggunakan teknik multi linear regresi untuk mengestimasi jumlah penduduk yang berfokus pada pertumbuhan penduduk di Indonesia disetiap tahunnya. Data yang digunakan adalah data dari Badan Pusat Statistik (BPS) Indonesia periode 2010-2022. Variabel yang digunakan adalah jumlah penduduk, penduduk yang meninggal, dan penduduk yang lahir di Indonesia. Dengan menggunakan pendekatan multi regresi linear untuk mengembangkan model prediksi jumlah penduduk Indonesia. Metode ini digunakan untuk memprediksi jumlah penduduk berdasarkan data historis yang diperoleh dari Badan Pusat Statistik (BPS) Indonesia pada tahun 2010 sampai dengan tahun 2022 dengan tetap memperhatikan beberapa variabel seperti penduduk, penduduk yang meninggal, dan penduduk yang lahir. Prediksi yang dilakukan pada tahun 2023 menghasilkan angka kematian sebesar 1.926.300, kelahiran sebesar 4.638.200, dan penduduk sebesar 279.410.057. Dengan secara keseluruhan jumlah penduduk di Indonesia pada tahun 2023 sebesar 282.121.957.
Analisis Sentimen Menggunakan Algoritma Naïve Bayes Pada Aplikasi m-BCA berdasarkan Ulasan Pengguna di Google Play Store rahmawati, irma; Rika Fitriani, Tiara; Yunizar Pratama Yusuf, Ajif
Jurnal Riset Informatika dan Teknologi Informasi Vol 1 No 2 (2024): Desember 2023 - Maret 2024
Publisher : Jejaring Penelitian dan Pengabdian Masyarakat (JPPM)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58776/jriti.v1i2.116

Abstract

m-BCA (Mobile Banking) adalah layanan perbankan dari PT.Bank Central Asia,Tbk yang memungkinkan akses langsung melalui telepon seluler. Meskipun populer, pengguna sering mengalami pengalaman negatif, seperti error dalam mengakses aplikasi dan keluhan terkait transaksi. Meskipun terdapat opini negatif, opini positif di Play Store juga ditemukan. Penelitian ini menggunakan metode Naïve Bayes untuk menganalisis sentimen pengguna BCA Mobile berdasarkan ulasan di Google Play Store. Hasil analisis diharapkan dapat membantu BCA meningkatkan kualitas layanan mereka. Penelitian terkait menggunakan berbagai metode, dan penelitian ini memilih Naïve Bayes karena kecepatan dan efisiensinya. Tahap penelitian mencakup pengumpulan data dari Google Play Store, preprocessing data, dan penerapan algoritma Naïve Bayes, Random Forest, serta Logistic Regression. Penelitian ini menyimpulkan bahwa sebagian besar ulasan memiliki orientasi negatif dan model Naïve Bayes menonjol dengan tingkat akurasi yang paling tinggi, mencapai presisi 84%, recall 82%, F1-score 81%, dan tingkat akurasi sebesar 82%.
Analisis Tingkat Kepuasan Pengguna Shopee Bedasarkan Rating Dan Ulasan Google Play Store Menggunakan Naïve Bayes Hadiwibowo, Agus Wastia Tri; Nabilla, Fazhira Putri; Yusuf, Ajif Yunizar Pratama
Jurnal Riset Informatika dan Teknologi Informasi Vol 1 No 2 (2024): Desember 2023 - Maret 2024
Publisher : Jejaring Penelitian dan Pengabdian Masyarakat (JPPM)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58776/jriti.v1i2.122

Abstract

Shopee adalah salah satu toko online shop paling populer di Google Play Store. Untuk meningkatkan kualitas dan memberikan pengalaman berbelanja yang lebih baik kepada pembeli atau customer, analisis kepuasan online berdasarkan peringkat Google Play Store menjadi sangat penting bagi para costumer. Tujuan dari penelitian ini adalah untuk melakukan analisis review pengguna terhadap shoppe di Google Play Store untuk mengetahui sentimen positif atau negatif dari pengguna. metode analisis opini yang digunakan adalah Naïve Bayes. Penelitian ini diawali dengan pengumpulan data, preprocessing data, melakukan ekstraksi fitur, melatih model Naive Bayes dan menguji model. Data yang digunakan dalam penelitian sebanyak 1.499 ulasan yang diperoleh melalui review dari google play store. Hasil penelitian menunjukkan bahwa mayoritas pengguna puas dengan shopee. Hal ini terlihat dari sebanyak 40,3% pengguna menyampaikan perasaan positif. Meskipun demikian, penelitian ini juga menemukan indikasi lain bahwa ada beberapa masalah yang perlu diselesaikan. Hasil penelitian ini dapat digunakan pengembang untuk meningkatkan kualitas dan memberikan pengalaman berbelanja yang lebih baik kepada pengguna.

Page 1 of 1 | Total Record : 7

 1 

Filter by Year

2024 2024


Reset
Filter By Issues
All Issue Vol 2 No 2 (2025): Desember 2024 - Maret 2025 Vol 3 No 1 (2025): Augustus - November 2025 Vol 2 No 3 (2025): April - Juli 2025 Vol 1 No 2 (2024): Desember 2023 - Maret 2024 Vol 2 No 1 (2024): Agustus - November 2024 Vol 1 No 3 (2024): April - Juli 2024 Vol 1 No 1 (2023): Agustus - November 2023