Article Per Year (5 Year)
p-Index From 2019 - 2024
4.609
P-Index
This Author published in this journals
All Journal JIEET (Journal of Information Engineering and Educational Technology) JATI (Jurnal Mahasiswa Teknik Informatika) Jurnal Ilmu Teknik dan Komputer JIKA (Jurnal Informatika) TAMIKA: Jurnal Tugas Akhir Manajemen Informatika & Komputerisasi Akuntansi AMMA : Jurnal Pengabdian Masyarakat
Prihartono, Willy
Unknown Affiliation
Humanities Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Nursing

Published : 37 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 32 Documents
Search
Journal : JATI (Jurnal Mahasiswa Teknik Informatika)

 1   2   3   4 
ANALISIS SENTIMEN PENGGUNA SHOPEE BERDASARKAN DATA TWEET DARI TWITTER MENGGUNAKAN METODE NAIVE BAYES CLASSIFIER Al Maeni, Nurul; Suarna, Nana; Prihartono, Willy
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i2.8298

Abstract

Dalam era digital saat ini, Twitter (sekarang dikenal sebagai "X") menjadi platform yang sangat populer untuk berbagi pendapat dan pengalaman pengguna terhadap produk atau layanan, termasuk platform e-commerce seperti Shopee. Tujuan penelitian ini adalah untuk menemukan sentimen positif dan negatif dari tweet yang berkaitan dengan Shopee. Untuk menganalisis sentimen, penelitian ini menggunakan Naive Bayes Classifier. Langkah pertama dalam penelitian ini adalah pengumpulan dataset tweet yang terkait dengan Shopee. Kemudian, data tweet dilakukan pre-processing untuk membersihkan dan mengubah formatnya untuk analisis sentimen. Setelah pre-processing, dataset dibagi menjadi dua bagian: data pelatihan dan data pengujian. Model Naive Bayes Classifier dilatih dengan menghitung kemungkinan setiap fitur (atau kata) muncul dalam setiap kategori sentimen. Data pelatihan digunakan untuk melatih model ini. Hasil penelitian ini menunjukkan bahwa metode Naive Bayes Classifier dengan rasio pembagian data 5:5 dapat mencapai akurasi sebesar 95,00%, nilai ketepatan sebesar 47,50%, dan nilai recall sebesar 50.00%. Hasil ini menunjukkan bahwa metode pembagian data yang seimbang dapat memberikan hasil analisis sentimen yang lebih akurat. Perusahaan dapat lebih memahami kekuatan dan kelemahan platform mereka dengan menganalisis sentimen tweet.
ANALISIS SENTIMEN REVIEW PENGGUNAAN TIKTOK MELALUI PENDEKATAN ALGORITMA NAÏVE BAYES Apriliani, Nur; Suarna, Nana; Prihartono, Willy
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.8299

Abstract

Media sosial merupakan platform digital yang memungkinkan penggunanya berinteraksi dengan orang lain, berbagi konten seperti teks, gambar, video dan audio, serta terlibat dalam berbagai bentuk komunikasi online yang berbeda-beda, salah satu bentuk media sosial adalah TikTok. TikTok merupakan platform media sosial yang semakin populer yang memungkinkan pengguna berbagi video pendek dengan konten berbeda. Dengan pertumbuhan yang pesat tersebut, muncul permasalahan penting terkait pemahaman dan pengelolaan emosi pengguna terhadap konten di TikTok. Tujuan penelitian ini adalah melakukan analisis sentimen terhadap tinjauan penggunaan TikTok dengan menggunakan pendekatan algoritma Naive Bayes. Dalam penelitian ini, kami mengumpulkan data evaluasi dari pengguna TikTok, termasuk peringkat, komentar, dan opini terkait pengalaman pengguna di platform tersebut. Kami menggunakan algoritme Naive Bayes untuk mengklasifikasikan ulasan pengguna TikTok ke dalam dua kategori opini utama: positif dan negatif. Tahapan yang dilakukan meliputi pengolahan data, ekstraksi fitur dan pelatihan model Naive Bayes menggunakan data pelatihan. Hasil klasifikasi penggunaan metode algoritma Naïve Bayes dan ekstraksi fitur dengan TF-IDF menghasilkan nilai akurasi sebesar 80%, precision sebesar 79%, recall sebesar 74% dan F1-Score sebesar 75%.
STRATEGI PROMOSI ONLINE SHOP DI MEDIA SOSIAL MELALUI PENERAPAN DATA MINING DENGAN METODE K-MEANS CLUSTERING Aini, Nurul; Suarna, Nana; Prihartono, Willy
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 6 (2023): JATI Vol. 7 No. 6
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i6.8301

Abstract

Penjualan online dan media sosial telah menjadi elemen kunci dalam bisnis modern. Untuk meningkatkan strategi promosi online shop, penerapan teknik data mining dengan metode clustering menjadi solusi. Fokus penelitian ini adalah mengatasi kendala keuntungan dan pertumbuhan pelanggan. Tujuan utama adalah mengungkap pola tersembunyi dalam data pelanggan dan perilaku pengguna di media sosial, mendukung pengambilan keputusan yang lebih cerdas untuk merancang strategi promosi yang tepat. Dengan metode clustering, pelanggan online shop dapat dikelompokkan berdasarkan kesamaan, memungkinkan penawaran yang lebih efektif kepada kelompok yang relevan. Data mining memungkinkan analisis mendalam terhadap perilaku pelanggan, termasuk tren pembelian, preferensi produk, dan interaksi media sosial. Identifikasi tren dan pola yang tak terlihat secara manual melalui data mining membantu pengambilan keputusan yang lebih baik, seperti menentukan produk populer atau waktu yang tepat untuk promosi. Hasil penelitian ini diharapkan memberikan wawasan berharga bagi pemilik online shop, memandu mereka dalam merancang strategi promosi yang efektif di media sosial. Dengan penggunaan data mining, bisnis dapat lebih adaptif terhadap perubahan pasar, meningkatkan penjualan, dan mencapai pertumbuhan keseluruhan yang lebih baik.
ANALISIS DATA SENTIMEN NEGATIF PADA OPINI PENGGUNA TWITTER TERHADAP BERITA SEPAK BOLA LIGA 1 TAHUN 2022 DENGAN PENERAPAN SUPPORT VECTOR MECHINE Dalifah, Nurul; Suarna, Nana; Prihartono, Willy
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8303

Abstract

Perkembangan media sosial semakin pesat dikalangan masyarakat salah satunya twitter yang menggunakan bahasa alami untuk bisa membuka potensi pada interaksi manusia yang bisa mengetahui sentiment para penggunanya. Permasalahan yang didapat dari masalah tersebut yaitu menggali informasi,menganalisis pendapat sentiment, evaluasi sikap dan emosi orang dari bahasa tertulis. Tujuannya untuk memahami dan mengkategorikan sentiment dari opini pengguna Twitter terkait berita liga 1 indonesia tahun 2022. Bagaimana dataset opini pengguna twitter terhadap berita liga 1 tahun 2022 dikumpulkan dan diolah untuk analisis. Penelitian ini akan menggunakan data teks dari pengguna Twitter yang terkait dengan berita liga 1 tahun 2022. SVM akan digunakan untuk memprediksi sentimen opini dari tweet tersebut menjadi kategori positif, negatif, atau netral. Hasil penelitian ini menggunakan algoritma support vector mechine menunjukan bahwa akurasi sebesar 91% presisi 30%, recall 33%,F1 score 32% dengan Jumlah sentimen Negatif = 445, Positif = 50, dan Netral = 4. Secara keseluruhan Model algoritma support vector mechine menghasilkan akurasi yang lebih tinggi. Hasil model menunjukan bahwa sentimen opini pengguna twitter menanggapi berita tersebut yang bersifat kontrovesrsial.
IMPLEMENTASI K-MEANS CLUSTERING UNTUK MENGELOMPOKAN TINGKAT PENGANGGURAN Nurjanah, Nurul; Suarna, Nana; Prihartono, Willy
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i2.8353

Abstract

Di dalam era digital ini, pertumbuhan data ekonomi dan ketersediaan teknologi informatika memberikan peluang untuk mendekati isu kompleks seperti tingkat pengangguran dengan pendekatan yang lebih canggih, dan provinsi Jawa Barat sebagai pusat ekonomi menjadi fokus penelitian ini. Permasalahan dalam penelitian ini adalah bagaimana cara mengelompokkan tingkat jumlah pengangguran di Jawa Barat menggunakan algoritma clustering K-Means, berapa cluster yang dihasilkan dan berapa nilai titik pusat (centroid) nya. Adapun tujuan dari penelitian ini adalah mengelompokkan lebih detail lagi dalam menganalisis data pengangguran di Provinsi Jawa Barat melalui penerapan algoritma clustering K-Means untuk mengidentifikasi tiap cluster berdasarkan tingkat kabupaten/kota, pendidikan, dan tahun serta menentukan jarak atau titik pusat (centroid). Cara kerja analisis data tingkat pengangguran ini menggunakan tools RapidMiner Studio dengan menggunakan metode penelitian kuantitatif menggunakan algoritma clustering K-Means. Hasil yang diperoleh dari penelitian ini yaitu mengelompokan data tingkat pengangguran di Provinsi Jawa Barat menjadi 3 cluster yaitu cluster 0 dengan kategori pengangguran rendah meliputi kota Banjar, cluster 1 dengan kategori pengangguran sedang meliputi kota/kabupaten Kota/kabupaten Sukabumi, Cianjur, Bandung, Garut Tasikmalaya, Ciamis, Kuningan, Cirebon, Sumedang, Indramayu, Subang, Purwakarta, Karawang, dan Bandung Barat sedangkan pada cluster 2 dengan kategori pengangguran tinggi meliputi kota/kabupaten Bogor, Bekasi, Bandung, dan Depok
ANALISIS PERSEPSI DAN TINGKAT KEPUASAN PENGGUNA GOJEK MENGGUNAKAN ALGORITMA C4.5 Suarna, Nana; Retnasari, Peni; Prihartono, Willy
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i2.8370

Abstract

Kemajuan teknologi telah mengakibatkan perubahan yang signifikan di berbagai aspek kehidupan, termasuk aspek transportasi. Salahsatu perubahan utama adalah munculnya perusahaan layanan transportasi online, seperti Gojek, Grab, Maxim dan lainnya. Gojek, sebagai salahsatu pelopor transportasi online di Indonesia telah menjadi pilihan utama bagi banyak orang untuk bepergian dan mengakses berbagai layanan lainnya. Namun banyaknya perusahaan layanan transportasi online yang serupa menyebabkan persaingan yang cukup kompetitif sehingga memaksa setiap penyedia layanan untuk bersaing serta berusaha unggul dalam persaingan tersebut. Oleh karena itu, penelitian ini bertujuan untuk melihat bagaimana efektivitas penggunaan aplikasi Gojek dapat diukur melalui pengukuran tingkat kepuasan pengguna layanan Gojek. Dengan dilakukan pengukuran ini maka dapat memberikan pemahaman yang lebih komprehensif mengenai aspek aspek yang perlu diperbaiki atau ditingkatkan dalam upaya pengembangan layanan Gojek dalam menghadapi persaingan antar penyedia layanan lainnya. Penelitian ini menggunakan metode kuantitatif. Data yang digunakan adalah data primer yang dikumpulkan melalui kuesioner yang disebarkan langsung kepada pengguna Gojek. Analisis data menggunakan KDD dengan algoritma C4.5 yang digunakan untuk mengidentifikasi faktor-faktor yang paling berkontribusi terhadap tingkat kepuasan pengguna. Variabel-variabel yang digunakan sebagai input dalam algoritma C4.5 adalah usia, jenis kelamin, kemudahan penggunaan aplikasi, ketersediaan layanan, waktu tunggu, harga dan keamanan. Hasil penelitian menunjukkan bahwa algoritma C4.5 efektif untuk mengukur tingkat kepuasan pengguna Gojek, dengan perolehan nilai akurasi sebesar 98.14%, nilai recall sebesar 69.53%, dan nilai precision sebesar 69.53%, Hasil dari decision tree menunjukan bahwa faktor terbesar yang mempengaruhi persepsi dan tingkat kepuasan pengguna adalah faktor keamanan. Jika pengguna merasa aman saat menggunakan aplikasi Gojek, maka mereka cenderung lebih puas dengan layanan yang diberikan. Selain faktor keamanan, faktor ketersediaan layanan dan waktu tunggu juga berpengaruh terhadap tingkat kepuasan pengguna. Jika pengguna dapat dengan mudah mengakses layanan yang mereka butuhkan dan tidak perlu menunggu terlalu lama, maka mereka lebih cenderung puas
CLUSTERING PELANGGARAN LALU LINTAS PADA KENDARAAN BERMOTOR MENGGUNKAN ALGORITMA K-PROTOTYPE: STUDI KASUS: PENGADILAN NEGERI CIREBON Saniyah, Nilta; Suarna, Nana; Prihartono, Willy
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8420

Abstract

Fenomena sering terjadi pelanggaran lalu lintas yaitu salah satu dari problematika yang masih banyak mengakibatkan permasalan di jalan raya, seperti kecelakaan lalu lintas dan kemacetan. Disebabkan dari tingginya kasus pelanggaran yaitu minimnya pengetahuan serta kesadaran pengendara kendaraan khususnya kendaraan bermotor bahkan ada beberapa pengguna juga abai dalam mematuhi peraturan lalu lintas dijalan raya. Pada daerah sektor lalu lintas di Cirebon masih cukup tinggi. Penelitian ini dilakukan bertujuan untuk pengelompokkan dan analisis data pelanggaran lalu lintas di Pengadilan Negeri Cirebon di tahun 2022. Metode penelitian ini menerapkan algoritma K-Prototype untuk memudahkan dalam mengetahui jenis pelanggaran yang sering kali dilakukan oleh pengendara. Algoritma K-prototype merupakan salah satu metode analisis cluster pada data berukuran besar dengan bertipe campuran yang terdiri data numerik dan kategorikal. penelitian ini akan menggunakan sebanyak 3 atribut yang terdiri dari jenis pelanggaran, denda dan pasal. Setelah data dikumpulkan dan dilakukan analisis kemudian dilakukan pra-pemrosesan data dengan melakukan melakukan pembersihan data yang tidak valid data yang tidak diperlukan. Selanjutnya data diproses dengan metode clustering menggunakan algoritma K-Prototype untuk pengelompokkan jenis pelanggaran dengan atribut yang digunakan tahap berikutnya dilakukan analisis dan interpretasi terhadap hasil dari klasterisasi yang dilakukan sehingga dapat mengetahui pola yang terjadi. Hasil dari penelitian ini terdapat 2 cluster yang terdiri dari C1 yaitu pelanggaran paling sering dilakukan pada pasal 291 dan C2 yaitu pelanggaran yang jarang dilakukan pada pasal 280 dari pengujian yang optimal menggunakan elbow analysis didapatkan bahwa jumlah cluster yang optimal sebanyak 2 cluster.
MENENTUKAN KEPUTUSAN KONSUMEN UNTUK MEMBELI LAPTOP MENGGUNAKAN METODE DECISION TREE ID3: STUDI KASUS MAHASISWA DI CIREBON Nur Amalia, Ocsana; Suarna, Nana; Prihartono, Willy
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i2.8444

Abstract

Harga dan Kualitas merupakan faktor yang sangat penting yang mempengaruhi perilaku konsumen. Laptop adalah salah satu komputer portable yang digunakan untuk melakukan banyak aktivitas. Permasalahannya adalah bagaimana cara konsumen memilih laptop sesuai kebutuhan mereka? Apa yang menjadi faktor utama yang sangat penting bagi konsumen. Penelitian ini bertujuan untuk mengetahui bagaimana harga dan kualitas produk memengaruhi keputusan konsumen untuk membeli laptop karena penggunaan laptop telah menjadi bagian penting dari kehidupan sehari-hari, baik untuk pekerjaan maupun hiburan karena tidak semua pembeli dapat mengetahui kualitas dan fitur yang sesuai dengan budget mereka. Algoritma yang digunakan adalah algoritma decision tree. Hasil analisis menunjukan bahwa kualitas berpengaruh signifikan terhadap keputusan pembelian konsumen sedangkan harga berpengaruh negatif terhadap keputusan pembelian konsumen. Implikasi dari hasil ini dapat menjadi tolak ukur bagi konsumen yang hendak membeli laptop untuk menentukan kualitas laptop yang akan dibeli. Dan produsen pun dapat mempertimbangkan untuk memberikan harga sesuai kualitas
IMPLEMENTASI DATA MINING CLUSTERING DALAM MENGELOMPOKKAN PENDUDUK PENYANDANG DISABILITAS MENGGUNAKAN ALGORITMA K-MEANS Lestari, Puji; Suarna, Nana; Prihartono, Willy
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 1 (2024): JATI Vol. 8 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i1.8445

Abstract

Penyandang disabilitas merujuk kepada individu yang mengalami keterbatasan fisik atau mental, yang dapat menghambat mereka dalam menjalankan kegiatan sehari-hari secara normal. Tidak semua orang dilahirkan dengan kondisi fisik atau mental yang sempurna, menyebabkan sebagian dari mereka mungkin merasa kurang percaya diri atau rendah diri dalam berinteraksi sosial. Permasalahan yang dihadapi penyandang disabilitas merupakan isu kompleks, karena adanya keterbatasan pada fungsi tubuh yang tidak optimal dapat menimbulkan dampak sosial yang signifikan. Ketidakmampuan ini bisa menjadi penghalang dalam melaksanakan kegiatan harian mereka. Orang dengan kebutuhan khusus, atau disabilitas, memiliki karakteristik hidup yang berbeda dan memerlukan pelayanan khusus untuk menjamin hak mereka terhadap kehidupan yang lebih baik. Oleh karena itu, untuk memberdayakan penyandang disabilitas, penelitian perlu dilakukan berdasarkan kecamatan di kabupaten/kota di Jawa Barat. Hal ini bertujuan untuk mengidentifikasi kelompok-kelompok wilayah dengan tingkat keberagaman penyandang disabilitas yang tinggi, sedang, dan rendah. Penelitian ini menggunakan metode data mining Clustering dengan algoritma K-Means untuk menganalisis kasus penyandang disabilitas di Kabupaten/Kota di Provinsi Jawa Barat. Metode clustering bertujuan untuk mengelompokkan data berdasarkan karakteristik yang serupa. Jumlah cluster ditentukan menggunakan nilai Davies Bouldin Index (DBI). Hasil penelitian menunjukkan adanya 2 cluster optimal, di mana Cluster 1 terdiri dari 27 kabupaten/kota dan Cluster 2 terdiri dari 2 kabupaten/kota, dengan nilai DBI sebesar 0.121
PENERAPAN NLP (NATURAL LANGUAGE PROCESSING) DALAM ANALISIS SENTIMEN PENGGUNA TELEGRAM DI PLAYSTORE Nurwanda, Nurwanda; Suarna, Nana; Prihartono, Willy
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i2.8469

Abstract

Pendapat umum pengguna tentang aplikasi Telegram di Play Store umumnya positif, negatif, atau netral. Penelitian ini bertujuan untuk menilai sentimen pengguna terhadap fitur-fitur aplikasi Telegram, yang telah menjadi salah satu aplikasi pesan instan paling populer. Analisis sentimen ulasan pengguna di Play Store dapat memberikan wawasan tentang kepuasan pengguna dan masalah yang dihadapi. Permasalahan penelitian ini adalah menemukan sentimen pengguna terhadap Telegram di Play Store. Metode pemrosesan bahasa alami (NLP) digunakan untuk menganalisis sentimen pengguna Telegram di Play Store. Ulasan dibagi ke dalam tiga kategori: positif, negatif, dan netral. Penelitian ini juga mengidentifikasi tren umum dan masalah yang sering muncul dalam ulasan. Model NLP digunakan untuk mengklasifikasikan sentimen dan menganalisis kata kunci yang sering muncul. Hasil evaluasi menunjukkan bahwa analisis sentimen ulasan pengguna Telegram di Play Store dengan metode NLP memiliki tingkat akurasi 85,31%. Rasio pembagian data untuk evaluasi adalah 80:20, dengan nilai presisi 93%, recall 76%, dan F1-Score 88%. Penelitian ini memberikan wawasan untuk pengembang dalam meningkatkan aplikasi dan memastikan kepuasan pengguna yang berkelanjutan.
Co-Authors Ainisa, Nurul Al Maeni, Nurul Ameliana, Nikan Arifqi, Tri Aulia, Nurul Ayuni, Putri Dalifah, Nurul Eka Permana, Sandy Faujia, Agnes Gifthera Dwilestari Hamonangan, Ryan Herdiana, Rulli Hidayah, Nurni Hidayat, Pierre Galuh Hoeriah, Dede Irma Purnamasari, Ade Julianti, Okta Nur Kholifa, Nur Kusmawanti, Nisa Maulida, Nida Muharromah, Oom Nur Amalia, Ocsana Nur Apriliani, Nur Nur Kirana, Anita Nurhakim, Bani Nurhayah, Nurhayah Nuri Nuri Nurjanah, Nurul Nurliana, Nicky Nurul Aini NURUL AZIZAH Nurwanda, Nurwanda Nurzaman Nurzaman Oktaviany, Nurul Peni Peni Permana, Sandy Eka PUJI LESTARI Putriana, Puput Ramadhan, Niko Retnasari, Peni Sakarias Berek, Richardus Saniyah, Nilta Sayuti Hanapiah, Neneng Suarna, Nana Zaelani, Nursehan