cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
-
Contact Email
-
Phone
-
Journal Mail Official
-
Editorial Address
-
Location
Kota yogyakarta,
Daerah istimewa yogyakarta
INDONESIA
Jurnal Buana Informatika
Published by Universitas Atma Jaya Yogyakarta
ISSN : 20872534     EISSN : 20897642     DOI : -
Core Subject : Science,
Computer Science & IT
Arjuna Subject : -
Articles 594 Documents
 26   27   28   29   30 
Pengimplementasian CRM Pada Pembangunan E-Commerce untuk Usaha Mikro Kecil Menengah (Studi Kasus: Dolanan Puzzle) Pramudiya, Handaru Eri; Handarkho, Yonathan Dri; Rahayu, Flourensia Sapty
Jurnal Buana Informatika Vol 6, No 4 (2015): Jurnal Buana Informatika Volume 6 Nomor 4 Oktober 2015
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v6i4.458

Abstract

Abstract. Using information technology to gain competitive advantage is no longer dominated by big enterprises. Other business units such as MSMEs (Micro Small Medium Enterprises) also start to adopt information technology into their business. E-Commerce is an example of technology that can be used easily to selling and marketing a product. Marketing in E-Commerce can still be improved by integrating CRM (Customer Relationship Management) concept into it. Dolanan Puzzle is an example of MSME focusing on tools of educational games in Yogyakarta. Currently Dolanan Puzzle still uses manual method to run their business. It limits the market of Dolanan Puzzle and it is hard to reach their customers. Integration of E-Commerce with CRM can be a solution for Dolanan Puzzle to develop their business. Using E-Commerce as an online store enables customers to reach Dolanan Puzzle easily. Further more, marketing product from Dolanan Puzzle can also be improved by using implementation of CRM in E-Commerce. Keywords: CRM, E-Commerce, Marketing, Customer, MSME Abstrak. Tren pemanfaatan teknologi informasi untuk meingkatkan keunggulan kompetitif tidak lagi di dominasi oleh usaha berskala besar saja. Unit usaha seperti UMKM (Usaha Mikro Kecil Menengah) juga secara bertahap mulai mengadopsi teknologi informasi. E-Commerce merupakan contoh teknologi yang tepat untuk diterapkan pada UMKM dikarenakan dapat menjadi wadah berjualan dan promosi secara online. Pemasaran di dalam E-Commerce pun dapat ditingkatkan dengan penerapan CRM (Customer Relationship Management). Dolanan Puzzle adalah contoh UMKM produsen Alat Permainan Edukatif di Yogyakarta. Saat ini Dolanan Puzzle belum memanfaatkan teknologi informasi dalam bisnisnya. Hal itu membuat pemasaran dari Dolanan Puzzle tersebut sangat terbatas dan hanya sedikit masyarakat yang mengetahui tentang Dolanan Puzzle. Pembuatan E-Commerce dengan pengimplementasian CRM di dalamnya dapat menjadi jalan keluar untuk Dolanan Puzzle dalam mengembangkan usahanya. Adanya E-Commerce sebagai toko online Dolanan Puzzle memudahkan pelanggan dalam mencarinya. Promosi dari Dolanan Puzzle pun dapat ditingkatkan dengan penerapan CRM pada E-Commerce Dolanan Puzzle tersebut. Kata Kunci: CRM, E-Commerce, promosi, pelanggan, UMKM
Pembentukan Dataset Token Sentimen Berdasarkan Akun Instagram Brand Elektronik Menggunakan K-Nearest Neighbors Nugraha, Kristian Adi
Jurnal Buana Informatika Vol 12, No 1 (2021): Jurnal Buana Informatika Volume 12 - Nomor 1 - April 2021
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v12i1.4472

Abstract

Abstract. Generating Sentiment Token Dataset Based on Electronics Brand Instagram Account using K-Nearest Neighbors. Instagram is currently one of the most popular social media platforms for businesses and brand owners to promote their products. Because Instagram is a two-way communication platform, people can respond to any promotional content posted on Instagram. People's reactions come in a variety of form, and frequently include both positive and negative sentiment. This study aims to identify the words used in one type of sentiment, then use the K-NN approach to construct a token dataset by summarizing the phrases in many labels according to the sentiment type. The total accuracy value of the dataset for K = 1 is 33.38% (positive), 59.96% (negative), and 56.60% (neutral) based on the results of the tests performed.Keywords: sentiment analysis, K-Nearest Neighbors, dataset, InstagramAbstrak. Instagram saat ini menjadi salah satu media sosial yang banyak digunakan oleh perusahaan atau pemilik brand untuk melakukan promosi terhadap produk-produk yang dimilikinya. Karena bersifat dua arah, masyarakat dapat memberikan respon terhadap aktivitas promosi yang dilakukan oleh sebuah perusahaan melalui Instagram. Respon dari masyarakat memiliki varian yang beragam dan seringkali mengandung unsur sentimen baik positif maupun negatif. Penelitian ini mencoba untuk mengidentifikasi kata-kata yang digunakan dalam satu jenis sentimen, kemudian membuat dataset token dengan cara merangkum kata-kata tersebut dalam beberapa label sesuai jenis sentimen masing-masing menggunakan metode K-NN. Berdasarkan hasil pengujian yang dilakukan, didapatkan nilai akurasi dari dataset sebesar 33.38% (positif), 59.96% (negatif), dan 56.60% (netral) untuk K = 1.Kata Kunci: analisis sentimen, K-Nearest Neighbors, dataset, Instagram
Penerapan Algoritma Sequential Search pada Aplikasi Kamus Bahasa Ilmiah Tumbuhan Rahmanto, Yuri; Alfian, Joni; Damayanti, Damayanti; Borman, Rohmat Indra
Jurnal Buana Informatika Vol 12, No 1 (2021): Jurnal Buana Informatika Volume 12 - Nomor 1 - April 2021
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v12i1.4367

Abstract

 Abstract. Application of Sequential Search Algorithms in the Plant Scientific Language Dictionary Application. Scientific dictionaries such as plants dictionaries are thick and less attractive. Therefore, it is necessary to develop a scientific language dictionary application for plant which is attractive and can be accessed anytime and anywhere. The dictionary application is closely related to the search feature and the sequential search algorithm is used in the search feature at the application development. This algorithm performs the search by matching data in a row from all existing data. The application built had features such as a list of plants with scientific names equipped with A-Z alphabet menus, plant categories, and a search feature to make it easier for users to find the plant names. The results of the search speed performance test based on page load time with the microtime function show that sequential search algorithms can perform the searches quickly for relatively limited and not too much data.Keywords: Scientific Language Dictionary, Plant Dictionary, Sequential Search Abstrak. Kamus ilmiah seperti kamus ilmiah tumbuhan berbentuk tebal dan kurang menarik. Oleh karena itu, diperlukan pengembangan aplikasi kamus Bahasa ilmiah tumbuhan yang menarik dan dapat diakses kapanpun dan dimanapun. Aplikasi kamus akan berhubungan erat dengan pencarian dan algoritma sequential search digunakan sebagai fitur pencarian pada pengembangan aplikasi kamus bahasa ilmiah tumbuhan ini. Algoritma ini melakukan pencarian dengan mecocokan data secara beruntun dari seluruh data yang ada. Aplikasi yang dibangun memiliki fitur-fitur seperti daftar tumbuhan dengan nama ilmiah yang dilengkapi menu abjad A-Z ,  kategori tumbuhan, dan fitur pencarian untuk memudahkan pengguna dalam menemukan nama tumbuhan. Hasil pengujian kecepatan pencarian berdasarkan page load time dengan fungsi microtime menunjukkan bahwa algortima sequential search dapat melakukan pencarian dengan cepat untuk data yang relatif terbatas atau tidak terlalu banyak.Kata Kunci: Kamus Bahasa Ilmiah, Kamus Tumbuhan, Sequential Search
Implementasi Teknologi Visual 3D Objek Sebagai Media Peningkatan Promosi Produk E-Marketplace Surahman, Ade; Deni Wahyudi, Agung; Sintaro, Sanriomi
Jurnal Buana Informatika Vol 11, No 2: Vol 11, No 2 (2020): Jurnal Buana Informatika Volume 11 - Nomor 2 - Okober 2020
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v11i2.3701

Abstract

Abstract. This research is based on study of purchasing premium products at NIELSEN Changing Consumer Prosperity. Nielsen found that 58% premium products are bought by Indonesian local e-commerce. There are some influential factorsin buying premium products such as Superior Quality 56%, Performance 51%, Design 43%, Experience 42% and Brand 42%. There are 46% customers’ friend recommendation on feedback as the most influential factor. However, each customer’s point of view is different that causes a new problem to solve. Therefore, there must be a technology that provides better product visualization for the customer experience and this visualization can be done by Visual 3D Object technology with 3D warehouse library. The implementation result showed 88.9% which was categorized as very good. This means 3D visual objects for e-marketplace products could improve customer experience and this will become a good solution for product promotion and competitive advantage.Keywords: Visual 3D Objects, E-Marketplace, Promotion, Recommendations, 3D WarehouseAbstrak. Penelitian berdasarkan studi Changing Consumer Prosperity NIELSEN tentang pembelian produk premium. Nielsen menemukan pelanggan berbelanja online ke ecommerce local Indonesia untuk produk premium sebesar 58%. Faktor yang mempengaruhi pembelian produk premium seperti Kualitas Unggul 56%, Kinerja 51%, Desain 43%, Pengalaman 42% dan Merek 42%. Pelanggan memberikan penilaian rekomendasi feedback teman sebagai faktor yang paling berpengaruh terhadap produk baru yaitu 46%. Permasalahannya adalah rekomendasi yang diberikan oleh teman tidak selalu sama dengan apa yang diinginkan oleh pelanggan karena sudut pandang setiap pelanggan akan berbeda, maka harus ada teknologi yang memberikan visualisasi produk yang lebih baik sebagai pengalaman pelanggan dan visualisasi tersebut dapat dilakukan dengan teknologi Visual 3D Objek dengan library 3D Werehouse, Hasil implementasi adalah 88,9 % dengan kategori Sangat Baik yang berarti bahwa visual 3D objek untuk produk e-marketplace dapat meningkatkan pengalaman pelanggan sehingga menjadi solusi yang baik untuk melakukan promosi produk dan menjadi keunggulan bersaing. Kata Kunci: Visual 3D Objek, E-Marketplace, Promosi, Rekomendasi, 3D Warehouse
Forecasting of Catfish Sales by Time Series Using the SARIMA method Woro Tri Handayani, Nandia Rani; Maslim, Martinus; Mudjihartono, Paulus
Jurnal Buana Informatika Vol 11, No 2: Vol 11, No 2 (2020): Jurnal Buana Informatika Volume 11 - Nomor 2 - Okober 2020
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v11i2.3535

Abstract

Abstrak. Sistem informasi yang mengotomatiskan proses bisnis, terutama dengan persyaratan khusus masih relevan saat ini. Clarias Makmur, sebuah usaha mikro di Indonesia yang membiakkan dan menjual ikan lele menggunakan sistem informasi ini untuk menjalankan penjualan, pengeluaran, modal, dan pelaporan mereka. Penjualan ikan lele sebagai makhluk hidup memiliki ciri khas tersendiri yang menunjukkan pola musiman yang unik. Sebuah model bernama SARIMA (Seasonal Autoregressive Integrated Moving Average) kemudian diusulkan untuk memprediksi penjualan. Lebih lanjut, sistem yang disebut SITRAN dibuat online supaya perusahaan mikro ini beroperasi secara fleksibel. Ada 400 data penjualan yang digunakan dalam metode ini untuk membuat model dan prediksi, sedangkan 100 data lainnya digunakan untuk menguji akurasi metode. Hasil penelitian menunjukkan bahwa SARIMAX (21,2,0) (1,0,0,12) adalah model terbaik yang ditemukan dalam percobaan dan yang memberikan RMSE terkecil.  Kata kunci: prediksi; penjualan ikan lele; pola musiman; SARIMA Abstract. An information system that automates a business process, especially with specific requirement is still relevant these days. Clarias Makmur, a micro cooperation in Indonesia that breeds and sells catfish uses such an information system to carry out their sales, expenses, capital and reporting. The sales of catfish as a living creature have their own characteristics showing the unique seasonal pattern. A model named SARIMA (Seasonal Autoregressive Integrated Moving Average) is then proposed to predict the sales. Furthermore the system called SITRAN is made to be online for the cooperation to operate flexibly. There are 400 sales data used for the method to model and predict, while another 100 are used to test the method accuracy. The result shows that SARIMAX(21,2,0)(1,0,0,12) is the best model found in the experiment giving the smallest RMSE.  Keywords: prediction; catfish sales; seasonal pattern; SARIMA 
Perbandingan Pengalaman-Preferensi Mahasiswa pada Pembelajaran Online vs Face to Face Ismiati, Maria Bellaniar; Andayani, Sri
Jurnal Buana Informatika Vol 12, No 1 (2021): Jurnal Buana Informatika Volume 12 - Nomor 1 - April 2021
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v12i1.4276

Abstract

Abstract. Comparison of Student Experiences-Preferences in Online vs Face to Face Learning. Technology is increasingly developing, especially after the world has been hit by the COVID-19 virus pandemic. In the education sector, the learning process was carried out online, whereas before the pandemic it was carried out face to face. Of the two types of learning, there are often differences of opinion between students about which learning is better and more flexible. Based on this, this research is entitled Comparison of Students' Experience and Preferences on Online vs Face to Face Learning. This study uses a methodology, namely pre-field, field work, and data analysis. Data collection through interviews. Miles and Huberman's model is used for data reduction, data presentation, and conclusion drawing applied in data analysis. The results showed that student preferences for face to face learning were more than online learning, which was 75%, while the comparison of experiences felt by students was> 50% who chose face to face learning.Keywords: Online, Face to Face, Experience, Preference Abstrak. Teknologi semakin berkembang, terutama setelah dunia dilanda oleh pandemi virus COVID-19. Di bidang pendidikan, proses pembelajaran dilakukan secara online sedangkan sebelum pandemi dilakukan secara face to face. Dari kedua jenis pembelajaran tersebut, sering terdapat beda pendapat antar mahasiswa mengenai mana pembelajaran yang lebih baik dan fleksibel. Berdasarkan hal tersebut, penelitian ini berjudul Perbandingan Pengalaman dan Preferensi Mahasiswa terhadap Pembelajaran Online vs Face to face. Penelitian ini menggunakan metodologi yaitu pra lapangan, pekerjaan lapangan, dan analisis data. Pengumpulan data melalui wawancara. Model Miles dan Huberman digunakan untuk reduksi data, penyajian data, dan penarikan kesimpulan diterapkan dalam analisis data. Hasil penelitian menjunjukkan preferensi mahasiswa terhadap pembelajaran face to face lebih banyak daripada pembelajaran online, yaitu sebanyak 75% sedangkan perbandingan pengalaman yang dirasakan oleh mahasiswa adalah sebanyak > 50% yang memilih pembelajaran secara face to face.Kata Kunci: Online, Face to Face, Pengalaman, Preferensi
Prediksi Kunjungan Wisatawan Taman Nasional Gunung Merbabu dengan Time Series Forecasting dan LSTM Manullang, Josua; Santoso, Albertus Joko; Emanuel, Andi Wahju Rahardjo
Jurnal Buana Informatika Vol 11, No 2: Vol 11, No 2 (2020): Jurnal Buana Informatika Volume 11 - Nomor 2 - Okober 2020
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v11i2.3825

Abstract

Abstract. Prediction of tourist visits of Mount Merbabu National Park (TNGMb) needs to be done to control the number of visitors and to preserve the national park. The combination of time series forecasting (TSF) and deep learning methods has become a new alternative for prediction. This case study was conducted to implement several methods combination of TSF and Long-Short Term Memory (LSTM) to predict the visits. In this case study, there are 18 modelling scenarios as research objects to determine the best model by utilizing tourist visits data from 2013 to 2018. The results show that the model applying the lag time method can improve the model's ability to capture patterns on time series data. The error value is measured using the root mean square error (RMSE), with the smallest value of 3.7 in the LSTM architecture, using seven lags as a feature and one lag as a label.Keywords: Tourist Visit, Taman Nasional Gunung Merbabu, Prediction, Recurrent Neural Network, Long-Short Term MemoryAbstrak. Prediksi kunjungan wisatawan Taman Nasional Gunung Merbabu (TNGMb) perlu dilakukan untul pengendalian jumlah pengunjung dan menjaga kelestarian taman nasional. Gabungan metode antara time series forecasting (TSF) dan deep learning telah menjadi alternatif baru untuk melakukan prediksi. Studi kasus ini dilakukan untuk mengimplementasi gabungan dari beberapa macam metode antara TSF dan Long-Short Term Memory (LSTM) untuk memprediksi kunjungan pada TNGMb. Pada studi kasus ini, terdapat 18 skenario pemodelan sebagai objek penelitian untuk menentukan model terbaik, dengan memanfaatkan data jumlah kunjungan wisatawan di TNGMb mulai dari tahun 2013 sampai dengan tahun 2018. Hasil prediksi menunjukkan pemodelan dengan menerapkan metode lag time dapat meningkatakan kemampuan model untuk menangkap pola pada data deret waktu. Besar nilai kesalahan diukur menggunakan root mean square error (RMSE), dengan nilai terkecil sebesar 3,7 pada arsitektur LSTM, menggunakan tujuh lag sebagai feature dan satu lag sebagai label. Kata Kunci: Kunjungan Wisatawan, Taman Nasional Gunung Merbabu, Prediksi, Recurrent Neural Network, Long-Short Term Memory
Analisis Data Argumen Tentang Penerapan Kebijakan Sistem Zonasi Pada Pendaftaran Sekolah Dengan Menggunakan K-Means Clustering Pusvitaningrum, Ika
Jurnal Buana Informatika Vol 11, No 2: Vol 11, No 2 (2020): Jurnal Buana Informatika Volume 11 - Nomor 2 - Okober 2020
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v11i2.3575

Abstract

Abstract. Equality of the education in Indonesia is very essential. To pursue this equality, the government has strived for educational reforms comprehensively. One of the government’s efforts is applying the school zoning system which prioritizes the candidates in new students’ registration who have settled near the school. This system arises a controversy in the society. Therefore, this research aims to analyze parent’s argument towards this zoning based- registration. It can be used as an evaluation for schools and the ministry of Education to embrace the zoning system in the new academic year. In this research, the data used was the real data gathered from the questionnaire distributed to the society. There were 380 data taken from 181 male respondents and 199 female respondents from 2 sub-districts in Pati districts. They are Margoyoso sub-district and Tayu sub-district. The data were processed by clustering using K-Means method.Keywords: zoning, area, controversy, Clustering, K-MeansAbstrak. Pemerataan kualitas pendidikan di Indonesia sangat penting. Untuk mewujudkannya, pemerintah telah mengambil tindakan untuk mengupayakan reformasi sekolah secara menyeluruh. Salah satu upaya yang dilakukan pemerintah yaitu dengan menerapkan sistem zonasi yang memprioritaskan calon pendaftar peserta didik baru yang tempat tinggalnya lebih dekat dengan sekolah. Sistem ini menjadi faktor timbulnya kontroversi di kalangan masyarakat. Oleh karena itu, penelitian ini dilakukan untuk menganalisa argumen orang tua terhadap pendaftaran sistem zonasi. Penelitian ini dapat digunakan sebagai evaluasi bagi sekolah dan Dinas Pendidikan untuk siap menghadapi sistem zonasi pada tahun ajaran baru. Dalam penelitian ini, data yang digunakan merupakan data real yang didapat dari penyebaran kuesioner kepada masyarakat. Ditemukan ada 380 data yang terdiri dari 181 responden laki – laki dan 199 responden perempuan dari 2 kecamatan yang ada di kabupaten Pati, yaitu kecamatan Margoyoso dan Tayu. Data diolah dengan melakukan clustering dengan metode K-Means.Kata Kunci: zonasi, rayon, kontroversi, Clustering, K-Means
Ekstraksi Informasi Terstruktur Profil Pengguna Website Iklan Baris Cahyono, Nuri
Jurnal Buana Informatika Vol 12, No 1 (2021): Jurnal Buana Informatika Volume 12 - Nomor 1 - April 2021
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v12i1.4400

Abstract

Abstract. Extraction of Structured Information on Classified Ads Website User Profiles. The large amount of user data published on online buying and selling sites provides benefits for research and digital marketing. Data extraction was a method for obtaining data from publicly published website content. The first step was to determine the website category that was needed, then determined the attributes to be used as a reference in compiling the data extraction tags. The next step was to identify the tags that were taken based on the tag elements of the website that matched these attributes. Elements to compile tag extraction included CSS Selector, HTML Tag and Xpath. Based on this, a data extraction code was created with four iterations based on categories. The test was done by calculating the accuracy to find out the complete amount of extracted data. From a total of 16,000 data extracted in this test, the accuracy rate was 99.0625%.Keywords: Data Extraction, Web Scrapping, Classified Ads Abstrak. Perkembangan situs jual beli online berdampak pada banyaknya data pengguna yang dipublikasikan secara online. Profil pengguna situs web memiliki banyak manfaat baik untuk penelitian maupun untuk tujuan dalam pemasaran digital. Ekstraksi data adalah mekanisme untuk mendapatkan data dari konten situs web yang disajikan secara umum. Langkah pertama adalah menentukan kategori website kemudian menentukan atribut yang akan digunakan sebagai acuan dalam menyusun tag ekstraksi data yang diambil berdasarkan elemen tag dari website yang sesuai dengan atribut tersebut. Elemen tag yang diambil untuk menyusun tag ekstraksi antara lain CSS Selector, HTML Tag dan Xpath, kemudian dibuat skenario ekstraksi data dengan skenario empat kasus berdasarkan kategori yang telah ditentukan. Pengujian dilakukan dengan menghitung akurasi untuk mengetahui jumlah data yang berhasil di dapatkan secara lengkap. Dari total 16000 data dari hasil ekstraksi, dalam pengujian ini menghasilkan tingkat akurasi 99.0625%.Kata Kunci: Ekstraksi Data, Web Scrapping, Iklan Baris
Analisis Sentimen Menggunakan Algoritma Naive Bayes Terhadap Review Restoran di Singapura Permadi, Vynska Amalia
Jurnal Buana Informatika Vol 11, No 2: Vol 11, No 2 (2020): Jurnal Buana Informatika Volume 11 - Nomor 2 - Okober 2020
Publisher : Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24002/jbi.v11i2.3769

Abstract

Abstract. Sentiment Analysis Using Naive Bayes Classifier Against Restaurant Reviews in Singapore. Various restaurant options bring up a problem for diners to pick a restaurant to dine in. Thus, visitors usually perceive the restaurant's recommendation or rating in advance to know other diners' opinions about the restaurant. Previous restaurant diners' comments can be presented in sentiment analysis to determine their satisfaction. This research investigates the Naïve Bayes Classifier algorithm's performance in classifying visitors' sentiment based on restaurant diner comments. We will group visitors' comments into two types of sentiment: positive (satisfied) and negative (unsatisfied). The results of the data classification test are analyzed to determine its accuracy. The grouping of visitor satisfaction reviews using the naïve bayes algorithm provides an accuracy score of 73%. Besides, we visualize the research classification results in the browser-based R Shiny web application through word cloud and diagrams.Keywords:restaurant review, sentiment analysis, Naïve Bayes ClassifierAbstrak. Variasi pilihan restoran yang tidak sedikit menjadi salah satu masalah bagi pengunjung ketika ingin memilih restoran. Sehingga, pengunjung biasanya melihat rekomendasi atau penilaian pengunjung lain terhadap restoran tersebut terlebih dahulu untuk mengetahui penilaian pengunjung lain terhadap restoran tersebut. Penilaian atau review pengunjung dapat disajikan dalam analisis sentimen berdasarkan komentar para pengunjung restoran sebelumnya untuk melihat kepuasan pengunjung terhadap restoran tersebut. Penelitian ini dilakukan untuk mengetahui performa algoritma Naïve Bayes Classifier dalam melakukan klasifikasi sentimen berdasarkan komentar pengunjung restoran. Penelitian dilakukan dengan mengklasifikasikan data komentar pengunjung restoran menjadi dua kategori sentimen, yaitu: positif (satisfied) dan negatif (unsatisfied). Hasil pengujian pengklasifikasian data kemudian dianalisis akurasinya. Hasil pengelompokan review kepuasan pengunjung menggunakan algoritma naïve bayes memberikan nilai akurasi sebesar 73%. Visualisasi hasil klasifikasi dari analisis kemudian ditampilkan pada aplikasi berbasis web yaitu R Shiny berupa wordcloud dan diagram. Kata Kunci: penilaian restoran, analisis sentimen, Naïve Bayes Classifier

Page 28 of 60 | Total Record : 594

 26   27   28   29   30 

Filter by Year

2010 2025


Reset
Filter By Issues
All Issue Vol. 16 No. 01 (2025): Jurnal Buana Informatika, Volume 16, Nomor 01, April 2025 Vol. 16 No. 2 (2025): Jurnal Buana Informatika, Volume 16, Nomor 02, Oktober 2025 Vol. 15 No. 01 (2024): Jurnal Buana Informatika, Volume 15, Nomor 01, April 2024 Vol. 15 No. 2 (2024): Jurnal Buana Informatika, Volume 15, Nomor 02, Oktober 2024 Vol. 14 No. 02 (2023): Jurnal Buana Informatika, Volume 14, Nomor 2, Oktober 2023 Vol. 14 No. 01 (2023): Jurnal Buana Informatika, Volume 14, Nomor 1, April 2023 Vol. 13 No. 02 (2022): Jurnal Buana Informatika, Volume 13, Nomor 2, Oktober 2022 Vol. 13 No. 1 (2022): Jurnal Buana Informatika, Volume 13, Nomor 1, April 2022 Vol 12, No 2 (2021): Jurnal Buana Informatika Volume 12 - Nomor 2 - Oktober 2021 Vol. 12 No. 2 (2021): Jurnal Buana Informatika Volume 12 - Nomor 2 - Oktober 2021 Vol. 12 No. 1 (2021): Jurnal Buana Informatika Volume 12 - Nomor 1 - April 2021 Vol 12, No 1 (2021): Jurnal Buana Informatika Volume 12 - Nomor 1 - April 2021 Vol. 11 No. 2: Vol 11, No 2 (2020): Jurnal Buana Informatika Volume 11 - Nomor 2 - Okober 2020 Vol 11, No 2: Vol 11, No 2 (2020): Jurnal Buana Informatika Volume 11 - Nomor 2 - Okober 2020 Vol 11, No 1 (2020): Jurnal Buana Informatika Volume 11 - Nomor 1 - April 2020 Vol. 11 No. 1 (2020): Jurnal Buana Informatika Volume 11 - Nomor 1 - April 2020 Vol 10, No 2 (2019): Jurnal Buana Informatika Volume 10 Nomor 2 Oktober 2019 Vol. 10 No. 2 (2019): Jurnal Buana Informatika Volume 10 Nomor 2 Oktober 2019 Vol 10, No 1 (2019): Jurnal Buana Informatika Volume 10 Nomor 1 April 2019 Vol. 10 No. 1 (2019): Jurnal Buana Informatika Volume 10 Nomor 1 April 2019 Vol 9, No 2 (2018): Jurnal Buana Informatika Volume 9 Nomor 2 Oktober 2018 Vol. 9 No. 2 (2018): Jurnal Buana Informatika Volume 9 Nomor 2 Oktober 2018 Vol. 9 No. 1 (2018): Jurnal Buana Informatika Volume 9 Nomor 1 April 2018 Vol 9, No 1 (2018): Jurnal Buana Informatika Volume 9 Nomor 1 April 2018 Vol 8, No 4 (2017): Jurnal Buana Informatika Volume 8 Nomor 4 Oktober 2017 Vol. 8 No. 4 (2017): Jurnal Buana Informatika Volume 8 Nomor 4 Oktober 2017 Vol 8, No 3 (2017): Jurnal Buana Informatika Volume 8 Nomor 3 Juli 2017 Vol. 8 No. 3 (2017): Jurnal Buana Informatika Volume 8 Nomor 3 Juli 2017 Vol. 8 No. 2 (2017): Jurnal Buana Informatika Volume 8 Nomor 2 April 2017 Vol 8, No 2 (2017): Jurnal Buana Informatika Volume 8 Nomor 2 April 2017 Vol. 8 No. 1 (2017): Jurnal Buana Informatika Volume 8 Nomor 1 Januari 2017 Vol 8, No 1 (2017): Jurnal Buana Informatika Volume 8 Nomor 1 Januari 2017 Vol 7, No 4 (2016): Jurnal Buana Informatika Volume 7 Nomor 4 Oktober 2016 Vol. 7 No. 4 (2016): Jurnal Buana Informatika Volume 7 Nomor 4 Oktober 2016 Vol 7, No 3 (2016): Jurnal Buana Informatika Volume 7 Nomor 3 Juli 2016 Vol. 7 No. 3 (2016): Jurnal Buana Informatika Volume 7 Nomor 3 Juli 2016 Vol 7, No 2 (2016): Jurnal Buana Informatika Volume 7 Nomor 2 April 2016 Vol. 7 No. 2 (2016): Jurnal Buana Informatika Volume 7 Nomor 2 April 2016 Vol. 7 No. 1 (2016): Jurnal Buana Informatika Volume 7 Nomor 1 Januari 2016 Vol 7, No 1 (2016): Jurnal Buana Informatika Volume 7 Nomor 1 Januari 2016 Vol 6, No 4 (2015): Jurnal Buana Informatika Volume 6 Nomor 4 Oktober 2015 Vol 6, No 4 (2015): Jurnal Buana Informatika Volume 6 Nomor 4 Oktober 2015 Vol. 6 No. 4 (2015): Jurnal Buana Informatika Volume 6 Nomor 4 Oktober 2015 Vol 6, No 3 (2015): Jurnal Buana Informatika Volume 6 Nomor 3 Juli 2015 Vol 6, No 3 (2015): Jurnal Buana Informatika Volume 6 Nomor 3 Juli 2015 Vol. 6 No. 3 (2015): Jurnal Buana Informatika Volume 6 Nomor 3 Juli 2015 Vol 6, No 2 (2015): Jurnal Buana Informatika Volume 6 Nomor 2 April 2015 Vol. 6 No. 2 (2015): Jurnal Buana Informatika Volume 6 Nomor 2 April 2015 Vol 6, No 2 (2015): Jurnal Buana Informatika Volume 6 Nomor 2 April 2015 Vol 6, No 1 (2015): Jurnal Buana Informatika Volume 6 Nomor 1 Januari 2015 Vol 6, No 1 (2015): Jurnal Buana Informatika Volume 6 Nomor 1 Januari 2015 Vol. 6 No. 1 (2015): Jurnal Buana Informatika Volume 6 Nomor 1 Januari 2015 Vol 5, No 2 (2014): Jurnal Buana Informatika Volume 5 Nomor 2 Juli 2014 Vol. 5 No. 2 (2014): Jurnal Buana Informatika Volume 5 Nomor 2 Juli 2014 Vol 5, No 1 (2014): Jurnal Buana Informatika Volume 5 Nomor 1 Januari 2014 Vol. 5 No. 1 (2014): Jurnal Buana Informatika Volume 5 Nomor 1 Januari 2014 Vol 5, No 1 (2014): Jurnal Buana Informatika Volume 5 Nomor 1 Januari 2014 Vol 4, No 2 (2013): Jurnal Buana Informatika Volume 4 Nomor 2 Juli 2013 Vol. 4 No. 2 (2013): Jurnal Buana Informatika Volume 4 Nomor 2 Juli 2013 Vol 4, No 2 (2013): Jurnal Buana Informatika Volume 4 Nomor 2 Juli 2013 Vol. 4 No. 1 (2013): Jurnal Buana Informatika Volume 4 Nomor 1 Januari 2013 Vol 4, No 1 (2013): Jurnal Buana Informatika Volume 4 Nomor 1 Januari 2013 Vol 4, No 1 (2013): Jurnal Buana Informatika Volume 4 Nomor 1 Januari 2013 Vol 3, No 2 (2012): Jurnal Buana Informatika Volume 3 Nomor 2 Juli 2012 Vol. 3 No. 2 (2012): Jurnal Buana Informatika Volume 3 Nomor 2 Juli 2012 Vol 3, No 2 (2012): Jurnal Buana Informatika Volume 3 Nomor 2 Juli 2012 Vol 3, No 1 (2012): Jurnal Buana Informatika Volume 3 Nomor 1 Januari 2012 Vol 3, No 1 (2012): Jurnal Buana Informatika Volume 3 Nomor 1 Januari 2012 Vol. 3 No. 1 (2012): Jurnal Buana Informatika Volume 3 Nomor 1 Januari 2012 Vol. 2 No. 2 (2011): Jurnal Buana Informatika Volume 2 Nomor 2 Juli 2011 Vol 2, No 2 (2011): Jurnal Buana Informatika Volume 2 Nomor 2 Juli 2011 Vol 2, No 2 (2011): Jurnal Buana Informatika Volume 2 Nomor 2 Juli 2011 Vol 2, No 1 (2011): Jurnal Buana Informatika Volume 2 Nomor 1 Januari 2011 Vol. 2 No. 1 (2011): Jurnal Buana Informatika Volume 2 Nomor 1 Januari 2011 Vol 2, No 1 (2011): Jurnal Buana Informatika Volume 2 Nomor 1 Januari 2011 Vol 1, No 2 (2010): Jurnal Buana Informatika Volume 1 Nomor 2 Juli 2010 Vol 1, No 2 (2010): Jurnal Buana Informatika Volume 1 Nomor 2 Juli 2010 Vol. 1 No. 2 (2010): Jurnal Buana Informatika Volume 1 Nomor 2 Juli 2010 Jurnal Buana Informatika Volume 1 Nomor 1 Januari 2010 Jurnal Buana Informatika Volume 1 Nomor 1 Januari 2010 More Issue