Article Per Year (5 Year)
p-Index From 2019 - 2024
1.347
P-Index
This Author published in this journals
All Journal Jurnal Edukasi dan Penelitian Informatika (JEPIN) Jurnal Sains dan Informatika CYBERNETICS Jurnal Ilmiah ILKOMINFO - Ilmu Komputer & Informatika JUSTIN (Jurnal Sistem dan Teknologi Informasi) Scientica: Jurnal Ilmiah Sains dan Teknologi
Enda Esyudha Pratama
Universitas Tanjungpura
Religion Agriculture, Biological Sciences & Forestry Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Engineering Mathematics Social Sciences Other

Published : 8 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 8 Documents
Search

 1 
Perbandingan Algoritma untuk Klasifikasi Komentar Mahasiswa pada Pembelajaran Daring Enda Esyudha Pratama
CYBERNETICS Vol 6, No 01 (2022): CYBERNETICS
Publisher : Universitas Muhammadiyah Pontianak

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29406/cbn.v6i01.3988

Abstract

Pandemi COVID-19 telah mengubah proses pembelajaran tatap muka menjadi tatap maya atau lebih dikenal dengan pembelajaran daring. Efektifitas pembelajaran daring menjadi hal penting untuk dievaluasi agar kualitas lulusan yang dihasilkan dapat sesuai dengan capaian. Salah satu bentuk evaluasi adalah feedback berupa komentar dan saran dari mahasiswa. Data yang berhasil dikumpulan berupa teks dalam jumlah yang besar. Data tersebut perlu diolah menjadi informasi yang berguna dan bernilai. Salah satu metode yang dapat digunakan adalah data mining. Data mining dapat mengolah data menjadi pengetahuan (knowledge). Beberapa manfaat dari pengetahuan tersebut salah satunya adalah pengelompokan data (klasifikasi). Terdapat beberapa macam algoritma klasifikasi yang dapat digunakan untuk klasifikasi data. Penelitian ini bertujuan untuk membandingkan kinerja algoriitma klasifikasi antara Naive Bayes, Support Vector Machine, dan Decision Tree. Hasil dari penelitian menunjukan skor akurasi terbaik dihasilkan oleh algoritma Naive Bayes dengan nilai 82,14% untuk rasio data latih terhadap data uji sebesar 80:20. Begitu pula dengan ration 70:30, algoritma Naive Bayes menghasilkan nilai akurasi paling baik sebesar 78,29 %
Implementasi Model Klasifikasi Sentimen Pada Review Produk Lazada Indonesia Rizqia Lestika Atimi; Enda Esyudha Pratama
Jurnal Sains dan Informatika Vol. 8 No. 1 (2022): Jurnal Sains dan Informatika
Publisher : Teknik Informatika, Politeknik Negeri Tanah Laut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34128/jsi.v8i1.419

Abstract

Ulasan produk pada e-commerce adalah bentuk electronic word of mouth communicationyang membantu calon konsumen untuk mendapatkan informasi mengenai layanan penjualdan/atau manfaat produk yang akhirnya dapat memengaruhi apakah calon konsumen akan membeli produk atau tidak. Review produk yang diberikan oleh konsumen adalah opini tekstual yang dapat dianalisis. Analisis sentimen dapat membantu bisnis e-commerce untuk memahami feedback konsumen. Jumlah review produk pada sebuah platform e-commerce berjumlah sangat banyak dengan volume data yang besar, akan sulit untuk dapat membaca review secara keseluruhan dan memahami informasinya secara tepat dan efisien. Penelitian ini mengembangkan model klasifikasi sentimen dengan algoritma Multinomial Naïve Bayes dan mengimplementasikannya pada review produk Lazada Indonesia. Algoritma Multinomial Naïve Bayes menghitung frekuensi kemunculan kata dari sebuah dokumen (term frequency). Model dikembangkan melalui tahapan data collecting, data preprocessing, vectorize, model developing, dan model implementation. Hasil evaluasi model menggunakan confussion matrix diketahui bahwa algoritma Multinomial Naïve Bayes memiliki kinerja yang baik dalam klasifikasi dengan hasil nilai paramater accuracy, precision, recall, dan f1-score di atas 90%. Model yang dikembangkan dapat mengklasifikasikan semua data review produk Lazada Indonesia ke kelas yang sudah ditentukan yaitu, 116 positif, 101 negatif, dan 96 netral.
Aplikasi Pendeskripsi Produk Secara Otomatis dengan Metode Text Mining Bandel Elon Subrata; Yus Sholva; Enda Esyudha Pratama
JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 11, No 1 (2023)
Publisher : Jurusan Informatika Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/justin.v11i1.47369

Abstract

Deskripsi produk merupakan hal yang sangat penting bagi konsumen untuk dapat mengetahui kandungan dan komposisi pada suatu produk. Dengan membaca deskripsi produk, konsumen dapat menghindari kesalahan dalam penggunaan atau pemilihan produk, terutama bagi pengguna produk sensitif ataupun yang memiliki alergi terhadap kandungan zat tertentu. Sayangnya banyak ditemukan deskripsi produk yang ditulis dengan ukuran huruf yang terlalu kecil, sehingga membuat konsumen kesulitan untuk membacanya. Meskipun sebenarnya informasi terkait suatu produk dapat dicari menggunakan search engine seperti Google, namun konsumen akan tetap merasa kesulitan karena mereka harus meluangkan waktu untuk mencari informasi produk dengan mengakses link pencarian satu per satu. Penelitian ini bertujuan membangun sebuah aplikasi yang dapat mendeskripsikan secara otomatis menggunakan metode Text Mining dengan teknik “grabbing” dari dua sumber data, yaitu website smarco.co.id dan klikindomaret.com. Website Smarco dijadikan target pertama untuk proses grabbing karena website ini menyediakan data barcode produk. Selanjutnya, dilakukan proses grabbing tahap dua untuk mendapatkan detail deskripsi produknya. Melalui pendekatan ini, pengguna dapat mencari deskripsi produk dengan cara memasukan nomor barcode yang tertera pada kemasan produk. Pengujian dilakukan dengan melakukan pencarian menggunakan 100 nomor barcode produk yang dikumpulkan secara acak. Hasilnya 34 produk ditemukan pada grabbing tahap pertama dan 66 produk tidak ditemukan karena data tidak tersedia pada website Smarco dan dilakukan analisis dengan recall dan precision yang menunjukkan hasil nilai recall 34% dan precision 44%. Rendahnya nilai recall dan precision terjadi karena data produk tidak tersedia pada website sumber. Hal ini telah dibuktikan melalui pengecekan kembali (crosscheck) produk - produk yang tidak ditemukan di aplikasi tersebut secara langsung pada website smarco.co.id dan indomaret.com.
Data Mining untuk Pengelompokan Saham pada Sektor Energi dengan Metode K-Means Anggi Srimurdianti Sukamto; Wawan Setiawan; Enda Esyudha Pratama
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 9, No 1 (2023): Volume 9 No 1
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v9i1.62509

Abstract

Saham adalah kepemilikan hak oleh perorangan (pemegang saham) pada suatu perusahaan berdasarkan pemberian modal sehingga dianggap  memiliki kepemilikan dan pengawasan perusahaan tersebut berdasarkan bagian tertentu. Menurut data dari Indonesia Stock Exchange (IDX) pada tahun 2020, jumlah investor di Pasar Modal Indonesia yang terdiri dari investor saham, reksadana dan obligasi, mengalami kenaikan 56 persen yaitu 3,87 juta Single Investor Identification (SID) sampai pada tanggal 29 Desember 2020. Kenaikan ini menjadi 4 kali lipat lebih tinggi sejak 4 tahun terakhir. Investor saham juga mengalami kenaikan sebanyak 53 persen menjadi 1,68 juta SID. Hal tersebut menunjukkan besarnya minat masyarakat terhadap keikutsertaan pada kepemilikan saham. Namun dalam berinvestasi terdapat risiko. Risiko dalam berinvestasi di pasar modal sebenarnya dapat diminimalisir dengan pemilihan saham yang benar terutama dalam hal fundamendal perusahaan. Penelitian ini menggunakan metode K-Means untuk mengelompokan saham sesuai dengan karakteristiknya. Berdasarkan perhitungan, didapatkan sebanyak 5 kali Iterasi untuk 4 Kelas/Cluster yang telah didefinisikan diawal. Selain itu, didapatkan hasil bahwa Kelas/Cluster 1 dan 4 diisi oleh emiten-emiten yang memiliki fundamental buruk  serta Kelas/Cluster 2 berisi emiten pemberi dividen yang tinggi. Secara keseluruhan, didapatkan kesimpulan bahwa algoritma K-Mean dapat digunakan untuk membantu para Investor dalam melakukan pencarian emiten yang sesuai dengan karakteristik yang diinginkan.
Sistem Informasi Marketplace Penyewaan Lapangan Futsal di Kota Singkawang Berbasis Website ammar alvi hidayatullah; Novi Safriadi; Enda Esyudha Pratama; Fauzan Asrin
Jurnal Ilmiah ILKOMINFO - Ilmu Komputer & Informatika Vol 6, No 2 (2023): Juli
Publisher : Akademi Ilmu Komputer Ternate

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47324/ilkominfo.v6i2.207

Abstract

Abstrak: Pada Kota Singkawang proses penyewaan lapangan futsal masih menggunakan sistem konvensional. Untuk mengetahui jadwal lapangan penyewa lapangan futsal harus menanyakan ketersediaan jadwal lapangan futsal dengan cara datang langsung ke lokasi tempat futsal yang lapangannya ingin dipesan atau dengan cara menghubungi pengelola lapangan futsal melalui telepon. Permasalahan juga dialami oleh pengelola lapangan futsal dalam melakukan pendataan. Informasi yang disediakan oleh pengelola lapangan futsal juga masih manual, sehingga informasi yang didapatkan oleh penyewa tidak akurat. tujuan dari penelitian ini adalah bagaimana sistem informasi marketplace penyewaan lapangan futsal di kota Singkawang berbasis web dapat membantu penyewa lapangan dalam mendapatkan informasi dan mempermudah dalam melakukan penyewaan dan membantu pengelola lapangan dalam melakukan pendataan dan mempromosikan lapangan futsal yang dikelolanya. Untuk proses pengembangan aplikasi menggunakan metode pengembangan perangkat lunak yaitu metode waterfall. pengujian aplikasi dilakukan dengan dua cara, yaitu pengujian dengan metode Black Box dan UAT. Hasil dari pengujian Black Box adalah sistem dapat bekerja dengan sesuai yang diharapkan. Hasil UAT dari setiap pengguna aplikasi dapat disimpulkan sebuah rata-rata tingkat kepuasan terhadap aplikasi adalah 95,4%.Kata kunci: marketplace, futsal, penyewaan, pembayaranAbstract: In Singkawang City, the futsal field rental process still uses a conventional system. To find out the field schedule, futsal field tenants must ask the availability of the futsal field schedule by coming directly to the location of the futsal place whose field they want to book or by contacting the futsal field manager by telephone. Problems are also experienced by futsal field managers in collecting data. The information provided by the futsal field manager is also still manual, so the information obtained by the tenant is not accurate. the purpose of this study is how the web-based futsal field rental marketplace information system in Singkawang city can help field tenants in getting information and making it easier to rent and help field managers in collecting data and promoting the futsal field they manage. For the application development process using the software development method, namely the waterfall method. application testing is done in two ways, namely testing with the Black Box and UAT methods. The result of Black Box testing is that the system can work as expected. UAT results from each application user can be concluded an average level of satisfaction with the application is 95.4%.Keywords: marketplace, futsal, rental, payment
Penerapan Seleksi Fitur Particle Swarm Optimization pada Klasifikasi Teks (Studi Kasus: Komentar Cyberbullying Instagram) Nadya Lestari; Tursina Tursina; Enda Esyudha Pratama
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 9, No 2 (2023): Volume 9 No 2
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v9i2.68320

Abstract

Dunia saat ini sedang berada di era Big Data, dimana sejumlah besar data berdimensi tinggi tersebar di berbagai domain, seperti media sosial, layanan kesehatan, bio-informatika, dan pendidikan online. Big Data adalah salah satu teknik pembelajaran mesin dan menjadi alat penting yang populer dalam bisnis, sehingga pengelolaan Big Data yang efektif menjadi hal yang sangat penting. Salah satu topik yang menarik untuk diteliti dalam kajian Big Data khususnya text mining ialah cyberbullying Instagram. Beberapa teknik yang dapat digunakan untuk memecahkan masalah text mining yaitu, clustering, klasifikasi, outlier, asosiasi, dan masih banyak lagi. Klasifikasi merupakan bentuk dasar dari analisis data yang banyak diterapkan diberbagai bidang. Penelitian ini membangun model klasifikasi menggunakan algoritma Logistic Regression dengan penambahan proses seleksi fitur menggunakan algoritma Particle Swarm Optimization sebagai tahapan yang berada sebelum proses pelatihan model regresi untuk mengklasifikasi komentar cyberbullying Instagram. Seleksi fitur dilakukan untuk mempertahankan kinerja model klasifikasi dengan menggunakan jumlah fitur pelatihan yang lebih sedikit. Hasil penelitian menunjukkan bahwa penambahan seleksi fitur dapat mereduksi fitur kata sebanyak 40% yang diikuti penurunan akurasi, presisi, dan AUC masing-masing sebesar  1,25%, 4,25%, 1,09% serta peningkatan nilai recall dan f1-score secara berurut sebesar 5,36% dan 0,57%. Penambahan Particle Swarm Optimization sebagai seleksi fitur pada kasus  disimpulkan efektif mempertahankan kinerja pembelajaran model dilihat dari nilai AUC yang tetap berada pada kategori Good Classification saat dilatih dengan fitur kata yang lebih sedikit.
Optimasi Hyperparameter pada Neural Network (Studi Kasus: Identifikasi Komentar Cyberbullying Instagram) Nur Fajriyani; Enda Esyudha Pratama; Rina Septiriana
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 9, No 2 (2023): Volume 9 No 2
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v9i2.68319

Abstract

Instagram adalah salah satu media sosial yang populer di Indonesia dan memiliki resiko terjadinya cyberbullying, sehingga klasifikasi komentar cyberbullying perlu dilakukan menggunakan text mining. Model klasifikasi yang dibangun pada penelitian ini menggunakan Neural Network dengan arsitektur Multilayer Perceptron dan dilatih dengan algoritma Backpropagation. Bayesian Optimization digunakan untuk melakukan optimasi hyperparameter, dengan hyperparameter yang dioptimasi adalah hidden layer, learning rate, dan momentum. Dilihat dari hasil evaluasi, performa dari model Neural Network dengan optimasi hyperparameter lebih baik daripada Neural Network yang hanya menggunakan default hyperparameter. Dimana model Neural Network dengan default hyperparameter mengalami overfitting dan menghasilkan nilai akurasi sebesar 81,38%, sedangkan model dengan optimasi hyperparameter tidak mengalami overfitting dan mengalami kenaikan akurasi dibandingkan dengan model Neural Network tanpa optimasi hyperparameter dengan model dengan tiga hyperparameter yang dioptimasi yaitu hidden layer, learning rate, dan momentum mengalami kenaikan akurasi sebesar 2,5%, model dengan optimasi hyperparameter pada hidden layer dan pada learning rate masing-masing mengalami kenaikan akurasi yang sama, yaitu sebesar 2,37%, dan model dengan optimasi hyperparameter pada momentum mengalami kenaikan akurasi sebesar 2%. Hasil penelitian ini menunjukkan bahwa hidden layer, learning rate, dan momentum ketika di optimasi secara bersamaan memiliki pengaruh besar dalam mencegah overfitting, menaikan akurasi, dan memiliki waktu eksekusi yang baik daripada dioptimasi secara terpisah.
Aplikasi Try Out SBMPTN Berbasis Website : (Studi Kasus Desa Sosok, Kecamatan Tayan Hulu, Kabupaten Sanggau) Excel May Nacky. H; M. Azhar Irwansyah; Enda Esyudha Pratama
Scientica: Jurnal Ilmiah Sains dan Teknologi Vol. 2 No. 4 (2024): Scientica: Jurnal Ilmiah Sains dan Teknologi
Publisher : Komunitas Menulis dan Meneliti (Kolibi)

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Seleksi Bersama Masuk Perguruan Tinggi Negeri (SBMPTN) merupakan salah satu ujian seleksi untuk masuk ke Perguruan Tinggi Negeri secara serentak yang menggunakan hasil nilai UTBK yang diperoleh sebagai acuan masuk tidaknya calon mahasiswa pada Perguruan Tinggi Negeri yang diinginkan. Penelitian ini melakukan perancangan aplikasi try out SBMPTN berbasis website yang terdapat fitur seperti pada pihak sekolah untuk mengelola data siswa, mengelola data materi UTBK, mengelola data sekolah, mengelola data soal, mengelola data rekap nilai, mengelola data sesi tipe try out. Untuk siswa dapat memilih materi UTBK, mengerjakan soal, melihat hasil nilai, mencetak hasil nilai. Hasil penelitian ini adalah sebuah website yang dapat diakses oleh siswa melalui laptop, komputer maupun smartphone dengan jaringan internet sebagai media pembelajaran materi-materi terkait dengan tes SBMPTN yang tersedia pada website seperti Tes Potensi Skolastik (TPS), Literasi dalam Bahasa Indonesia dan Bahasa Inggris, Penalaran Matematika kepada para siswa khususnya SMA/K yang berada pada Desa Sosok, Kecamatan Tayan Hulu, Kabupaten Sanggau antara lain SMAN 1 Tayan Hulu, SMK Bina Utama, SMK Agape Patria. Setelah mengerjakan paket soal yang telah disediakan, siswa akan memperoleh hasil berupa score untuk setiap jenis soal yang diinginkan beserta pembahasan soal-soal yang telah dikerjakan yang berguna bagi siswa untuk evaluasi sampai dimana pemahamam siswa dalam mengerjakan soal-soal tes SBMPTN.
Co-Authors ammar alvi hidayatullah Anggi Srimurdianti Sukamto Bandel Elon Subrata Excel May Nacky. H Fauzan Asrin M. Azhar Irwansyah Nadya Lestari Novi Safriadi Nur Fajriyani Rina Septiriana Rizqia Lestika Atimi . Sholva, Yus Tursina Tursina Wawan Setiawan