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 ULASAN APLIKASI THREADS DI GOOGLE PLAYSTORE MENGGUNAKAN ALGORITMA NAÏVE BAYES Nurzaman, Nurzaman; 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.v8i1.8708

Abstract

Aplikasi Threads merupakan aplikasi perpesanan yang dikembangkan oleh Meta Platforms, Inc. (Meta). Aplikasi ini memungkinkan pengguna untuk berkomunikasi dengan teman dan keluarga melalui pesan teks, gambar, dan video. Permasalahan ini masih ada beberapa pengguna yang memberikan ulasan negatif tentang aplikasi ini, dan Ulasan-ulasan negatif ini dapat menurunkan reputasi aplikasi dan membuat pengguna lain enggan untuk menggunakan aplikasi tersebut. Tujuan utama yakni untuk mengklasifikasikan pendapat positif, netral, dan negatif berdasarkan nilai akurasi, presisi, dan recall yang dihasilkan dari analisis sentimen menggunakan algoritma naive bayes. Oleh karena itu, diperlukan sistem yang dapat mengkategorikan komentar dan menganalisis sentimen pengguna. Metode Penelitian ini menggunakan Knowledge Discovery in Database (KDD), web scraping Python untuk mengumpulkan data ulasan pengguna aplikasi Threads di Google PlayStore. Data yang dikumpulkan mencakup dari periode Agustus hingga November 2023 dengan jumlah 1500 data teks. Metode Naïve Bayes Classifier, metode klasifikasi ini dipilih karena memiliki kecepatan pemrosesan menghasilkan akurasi yang tinggi dan dapat memproses data jumlah yang besar. Hasil penelitian bahwa Pengujian analisis sentimen dilakukan dengan mengukur nilai recall, precision, dan accuracy. Menunjukkan bahwa nilai accuracy mencapai 73% yang menunjukkan bahwa model analisis sentimen mampu memprediksi sentimen dengan akurasi yang tinggi. Nilai precision juga mencapai 70%, Recall 99%.
PENGGUNAAN NAIVE BAYES DALAM MENGANALISIS SENTIMEN ULASAN APLIKASI MCDONALD’S DI INDONESIA Arifqi, Tri; 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.v8i2.8740

Abstract

McDonald's, yang dikenal sebagai MCD di Indonesia, telah secara efektif memanfaatkan aplikasi seluler untuk mempercepat transaksi dan meningkatkan kinerja secara keseluruhan. Namun demikian, kekhawatiran seputar dukungan untuk pelanggaran hak asasi manusia di Palestina telah berdampak signifikan pada sentimen pengguna, terutama di Indonesia di mana nilai perdamaian sangat dihargai. Untuk menyelidiki masalah ini, para peneliti menggunakan algoritma Naive Bayes untuk dengan cermat memeriksa sentimen yang berasal dari 2000 ulasan pengguna McDonald's di Google Play Store. Pemeriksaan ini dilakukan melalui pemanfaatan teknik web capture dan pre-processing teks. Dengan mengalokasikan rasio berbagi data 70:30, model mencapai tingkat akurasi yang mengesankan sebesar 95,2% ketika diterapkan pada data pelatihan, dan 86% ketika diuji pada data baru. Selanjutnya, tingkat presisi ditemukan 54%, tingkat penarikan 58%, dan skor F1 dihitung pada 60% dalam rasio 80:20. Analisis komprehensif mengungkapkan dominasi yang jelas dari opini negatif yang menyumbang 65,1% dari data yang dikumpulkan, khususnya mengenai masalah teknis. Tujuan akhir dari temuan ini adalah untuk membantu pengembang dalam meningkatkan kualitas aplikasi mereka dan memastikan kepuasan pengguna secara keseluruhan. Studi ini berfungsi sebagai demonstrasi aplikasi praktis dari Knowledge Discovery in Databases (KDD) dan teknik Naive Bayes dalam melakukan analisis sentimen pada ulasan McDonald's, sehingga menyajikan potensi kemajuan masa depan dalam keakuratan analisis emosi.
ANALISIS JUMLAH PENDUDUK MENGGUNAKAN ALGORITMA K-MEANS BERDASARKAN KABUPATEN/KOTA DI INDONESIA Nurhayah, Nurhayah; 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.v8i1.8863

Abstract

Jumlah penduduk di Indonesia secara konsisten, terjadi peningkatan dari satu tahun ke tahun berikutnya. Populasi terpadat di Indonesia terdapat pada Kabupaten Bogor. Kepadatan penduduk yang tinggi biasanya menunjukan bahwa suatu wilayah memiliki populasi yang besar dalam luas wilayah yang terbatas. Di era sekarang, salah satu masalah yang terkait dengan aspek kependudukan adalah disparitas distribusi populasi yang tidak merata. Tujuan penelitian ini adalah untuk mengelompokan jumlah penduduk menggunakan algoritma K-Means. Pada konteks penelitian ini, sumber data yang dipakai diperoleh dari Badan Pusat Statistika mencakup informasi jumlah penduduk Kabupaten/Kota di Indonesia Tahun 2020 sd. 2022. Metode penelitian ini menerapkan Algoritma K-Means dengan memanfaatkan pendekatan Knowledge Discovery and Data Mining (KDD) dan tahapan yang digunakan yaitu Selection data, Preprocessing data, Transformation, Data Mining dan Evaluation. Melalui analisis Data Mining, pengelompokan jumlah penduduk menghasilkan 4 cluster yaitu cluster jumlah peduduk sangat padat, padat, sedang, dan rendah. Hasil dari penelitian ini, Dari pengujian yang telah dilakukan dengan Davies Boulding Index didapatkan cluster yang optimal yaitu k=4 dengan nilai DBI 0.127. Cluster 0 dengan jumlah penduduk rendah sebanyak 360 Kabupaten/Kota, cluster 1 dengan jumlah penduduk sedang sebanyak 93 Kabupaten/Kota, Cluster 2 dengan jumlah penduduk sangat padat sebanyak 1 Kabupaten, dan cluster 3 dengan jumlah penduduk padat sebanyak 28 Kabupaten/Kota.
IMPLEMENTASI ALGORITMA NAIVE BAYES UNTUK MEMPREDIKSI CUACA MENGGUNAKAN RAPIDMINER Nur Kirana, Anita; Nurhakim, Bani; Eka Permana, Sandy; Prihartono, Willy; Dwilestari, Gifthera
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.v8i2.8967

Abstract

Cuaca adalah kondisi udara di suatu tempat dalam waktu relatif singkat yang dinyatakan dengan nilai parameter oleh kecepatan angin, suhu, tekanan, curah hujan, dan faktor atmosfer lainnya. Keadaan cuaca dapat mempengaruhi berbagai aspek kegiatan manusia, termasuk transportasi, pertanian, perkebunan, pembangunan, dan bahkan aktivitas olahraga. Sehingga untuk memperoleh informasi cuaca yang dapat dimanfaatkan oleh masyarakat diperlukan pembuatan penentuan cuaca. Salah satu metode prediksi cuaca yang digunakan adalah dengan menggunakan algoritma Naive Bayes. Algoritma ini menghitung probabilitas dari setiap kelas untuk setiap atribut kelompok yang ada dan menentukan kelas yang paling optimal. Dengan kata lain, pengelompokan cuaca dapat dilakukan berdasarkan kategori yang diinputkan oleh pengguna pada aplikasi. Penelitian ini bertujuan untuk meningkatkan akurasi prediksi cuaca dengan menerapkan metode data mining menggunakan algoritma Naive Bayes. Metode penelitian melibatkan pengklasifikasian data cuaca berdasarkan atribut kelompok seperti kecepatan angin, suhu, curah hujan, dan cuaca. Naive Bayes digunakan untuk menghitung probabilitas kelas cuaca berdasarkan input pengguna pada aplikasi. Hasil pengujian menunjukkan tingkat akurasi sebesar 84.26%, menunjukkan bahwa metode ini memiliki potensi untuk memberikan prediksi cuaca yang lebih akurat, yang dapat bermanfaat dalam berbagai aspek kegiatan manusia.
RANCANG BANGUN SISTEM PENJUALAN BERBASIS WEB PADA TOKO HAIRUM SOUVENIR Faujia, Agnes; Dwilestari, Gifthera; Hamonangan, Ryan; Herdiana, Rulli; 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.v8i2.9058

Abstract

Setiap usaha, baik yang menjual barang atau jasa, pasti ingin meningkatkan penjualan mereka. Strategi pemasaran yang baik adalah salah satu dari banyak cara untuk meningkatkan penjualan. Suatu media diperlukan untuk mempublikasikan informasi, baik informasi tentang bisnis maupun informasi tentang produk yang akan dijual. Internet adalah salah satu media yang dapat digunakan. Toko souvenir Hairum Soevenir menjual berbagai hadiah atau hadiah untuk perayaan ulang tahun atau wisuda, seperti bucket bunga, bucket uang, kue tart, dan masih banyak lagi.. Salah satu masalah dan kelemahan yang ditemukan di toko Hairum Soevenir adalah sebagai berikut: berdasarkan observasi yang telah dilakukan, strategi pemasaran yang digunakan oleh toko Hairum Soevenir saat ini adalah melalui pemasaran langsung atau penjualan produk secara online melalui platform Instagram, yang dianggap kurang sempurna karena mekanisme pemasaran barang bekas tidak berlaku. Namun, pemasaran yang dijual melalui platform tersebut dapat memiliki efek yang lebih besar daripada yang diharapkan. Pemasaran menggunakan platform juga memiliki masalah dengan rekepitulasi pendapatan dari setiap pembelian yang dilakukan secara manual, yang menyebabkan kesalahan dalam penjumlahan pendapatan. Sistem informasi penjualan dibuat karena banyaknya masalah dengan penjualan toko hairum souvenir. Pengembangan perngkat lunak menggunakan metode air terjun (Waterfall), sedangkan perancangan sistem penjualan dan metode wawancara digunakan untuk pembuatan website ini. Metode ini melibatkan analisis masalah penjualan di toko Hairum Souvenir, analisis kebutuhan pemasaran, perancangan sistem informasi, dan implementasi atau pengembangan pengujian perangkat lunak. untuk pemograman dengan PHP, Javascript, dan CSS dan XAMPP sebagai databasenya. Beberapa tujuan penelitian ini termasuk membuat proses penjualan lebih efisien dan membuat transaksi lebih aman. Salah satu tujuan dari penelitian ini adalah untuk meningkatkan efisiensi proses penjualan dan membuat transaksi lebih aman. Hasilnya menunjukkan bahwa perancangan sistem informasi ini dapat menggantikan pemasaran konvensional dengan yang lebih modern, lebih efisien, dan lebih mudah digunakan untuk sistem pencataan rekapitulasi penjualan.
ANALISIS ULASAN SENTIMEN APLIKASI MOBILE JKN DENGAN ALGORITMA SUPPORT VECTOR MACHINE BERBASIS PARTICLE SWARM OPTIMIZATION Maulida, Nida; 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.v8i2.9105

Abstract

Inovasi elektronik dalam layanan jaminan kesehatan pemerintah dikenal sebagai aplikasi Mobile JKN yang memudahkan peserta Jaminan Kesehatan Nasional-Kartu Indonesia Sehat (JKN-KIS) untuk mendapatkan layanan dan informasi. Dengan inovasi ini, ada banyak pro dan kontra sehingga banyak komentar muncul di kolom review Google Play Store. Kecenderungan respon pengguna dalam menggunakan aplikasi Mobile JKN dapat diketahui dengan analisis sentimen. Analisis sentimen adalah sistem untuk mengenali dan mengekstraksi review dalam bentuk teks. Penelitian ini bertujuan untuk mengukur tingkat akurasi, presisi, recall dan Area Under Curve (AUC) yang dihasilkan dari algoritma Support Vector Machine (SVM) berbasis Particel Swarm Optimization (PSO) terhadap aplikasi Mobile JKN di Google Play Store. Penelitian dilakukan dengan menggunakan algoritma Support Vector Machine (SVM) yang dioptimasi menggunakan Particle Swarm Optimization (PSO). Penelitian ini melibatkan berbagai tahapan preprocessing, seperti cleaning, case folding, tokenizing, dan filtering (stop-word removal). Hasil penelitian yang menggunakan 10 k-fold Cross Validation pada algoritma Support Vector Machine (SVM) yang menggunakan seleksi fitur Particle Swarm Optimization (PSO) menunjukkan hasil akurasi, presisi, recall dan Area Under Curve (AUC) secara berurutan sebesar 89,53%, 88,17%, 45,96% dan 0,869 dengan kategori (Good Classification).
ANALISIS SENTIMEN GENERASI Z TERHADAP PENGETAHUAN TENTANG KEHIDUPAN GAY MENGGUNAKAN ALGORITMA NAÏVE BAYES Peni, Peni; Suarna, Nana; Prihartono, Willy
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 3 (2024): JATI Vol. 8 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i3.9579

Abstract

Dalam perkembangan zaman dan semakin majunya teknologi informasi yang berkembang setiap saat memudahkan generasi z untuk mendapatkan berbagai kemudahan khususnya pada penggunaan media sosial seperti twitter, permasalahan pada penelitian ini untuk mengetahui Berapa nilai akurasi, presisi, dan recall pada analisis sentimen pada kehidupan gay berupa ciri gay, Metode yang digunakan dalam penelitian ini menggunakan metode alur penelitian Knowledge Discover in Database atau (KDD). pada penelitian ini peneliti melakukan pengumpulan data pengguna media sosial twitter melalui proses scraping data pada twitter pada akun @masndutx tentang ciri gay., Data yang didapatkan pada penelitian ini sebanyak 600 data namun setelah dilakuan pelabelan data dan proses cleansing data yang digunakan sebanyak 525 dan mendapatkan sempel 505 data teks. Bahwa didapatkan hasil prediksi klasifikasi sentimen positif sebanyak 344 atau 68,11% dan sentimen negatif sebanyak 161 atau 31,88% data teks, artinya generasi z yang mengetahui tentang ciri gay dan apa itu gay pada akun twitter @masndutx setuju dengan opini tentang topik gay dan ciri gay pada akun @masndutx, namun tidak sedikit juga generasi z yang memberikan opininya tidak setuju dengan ciri-ciri gay yang ada pada akun twitter @masndutx, Dan hasil klasifikasi menggunakan metode Algoritma naïve bayes didapatkan accuracy sebesar 50,69 Precision 71,49% dan Recall sebesar 45,93%.
ANALISIS KEPUTUSAN PEMBELIAN PRODUK TERHADAP PROMOSI DAN VIRAL MARKETING DI TIKTOK SHOP MENGGUNAKAN ALGORITMA C4.5: STUDI KASUS (KUESIONER MAHASISWA STMIK IKMI CIREBON) Nurliana, Nicky; Suarna, Nana; Prihartono, Willy
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 3 (2024): JATI Vol. 8 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i3.9583

Abstract

Banyak layanan e- commerce yang menawarkan berbagai promosi yang menarik agar konsumen semakin tertarik untuk menggunakan layanannya, salah satunya ialah TikTok Shop. Masalah dari penelitian ini yaitu ingin mengetahui apakah promosi dan viral marketing sangat berpengaruh terhadap keputusan pembelian suatu produk di TikTok Shop. Tujuan penelitian ini yaitu untuk menganalisis keputusan pembelian produk di platform e-commerce TikTok dan dampaknya terhadap strategi promosi dan pemasaran viral. Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian kuantitatif dengan pendekatan survey. Metode penelitian yang digunakan yaitu data mining dengan alg oritma C4.5. Adapun langkah-langkah dalam metode ini yaitu mengikuti alur KDD (Knowledge Discovery in Databases) diawali dengan pengumpulan data hasil survey, pembersihan data, penerapan algoritma C4.5 hingga nantinya membuat pohon keputusan (Decision Tree). Dalam penelitian ini untuk pengumpulan data yang digunakan yaitu dengan penyebaran kuesioner melalui google form. Hasil dari penelitian ini yaitu algoritma C4.5 dapat mengidentifikasi keputusan pembeli dengan nilai akurasi yang diperoleh yaitu sebesar 91.73% nilai recall sebesar 69.13% dan nilai presesi sebesar 69.05%. Dengan demikian dapat disimpulkan bahwa persepsi dari tingkat keputusan pembeli produk di TikTok Shop terhadap promosi dan viral marketing mendapatkan hasil “Ya”.
PENERAPAN NATURAL LANGUAGE PROCESSING PADA ANALISIS SENTIMEN JUDI ONLINE DI MEDIA SOSIAL TWITTER Julianti, Okta Nur; Suarna, Nana; Prihartono, Willy
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 3 (2024): JATI Vol. 8 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i3.9613

Abstract

Judi online telah menjadi aktivitas yang populer di kalangan masyarakat terutama dalam era digital ini. Namun tidak sedikit yang mengkritik aktivitas ini karena aspek negatifnya. Permasalahan pada penelitian ini yaitu untuk mengetahui nilai akurasi, recall, serta presisi yang dihasilkan melalui algoritma naïve bayes pada sentiment judi online di media sosial twitter. Metode yang digunakan dalam penelitian ini yaitu Natural Language Processing melalui KDD (Knowledge Discovery in Database) dan Naïve Bayes. Dalam penelitian ini pengumpulan data dilakukan dengan teknik scraping melalui google colab. Data yang diambil merupakan data dari twitter menggunakan kata kunci “judi online” dan “dampak judi online”. Data yang berhasil diambil menggunakan scraping sebanyak 5.500, namun setelah dilakukan pembersihan hanya menyisakan 952 data. Data mentah yang sudah siap diolah kemudian dilakukan pre-processing, pelabelan sentiment, proses TF-IDF serta penentuan nilai akurasi, presisi, dan recall. Penelitian ini menghasilkan nilai akurasi 76%, 58% nilai presisi dan 76% untuk nilai recall pada data uji sebanyak 666 dan data latih sebanyak 286.
PENGELOMPOKKAN LAGU TRADISIONAL DI MEDIA SOSIAL TIKTOK MENGGUNAKAN ALGORITMA K-MEANS Kusmawanti, Nisa; Suarna, Nana; Prihartono, Willy
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 3 (2024): JATI Vol. 8 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i3.9615

Abstract

Dengan adanya kemajuan ilmu pengetahuan dan teknologi modern yang semua bisa dilakukan secara instan dan praktis, serba mekanik dan otomatis sehingga membuat banyak perubahan zaman menjadi modern. Media sosial Tiktok merupakan salah satu aplikasi yang baru diluncurkan beberapa tahun terakhir ini dan telah menarik perhatian besar dari semua kalangan baik yang muda, orangtua, lansia. Permasalahan yang terjadi saat ini menurunnya minat terhadap lagu tradisional dikalangan masyarakat. Pada penelitian ini dilakukan pembahasan tentang clustering pada data kuesioner dengan menganalisis lagu tradisional jawa barat sunda dengan media sosial tiktok menggunakan algoritma K-means.. Metode ini menggunakan KDD (Knowledge Discovery in Database) dan software yang digunakan adalah Rapidminer. Data ini dikumpulkan menggunakan kuesioner dengan jumlah data yang dikumpulkan sebanyak 258 data. Hasil proses Clustering dengan K=2 Nilai Davies-Bouldin Index sebesar 0.036, menandakan bahwa hasil klaster dengan jumlah K=2 menunjukkan performa yang optimal jika dibandingkan dengan percobaan lainnya. Dalam penelitian ini yang didapatkan ada 2 cluster yaitu cluster 0 dengan jumlah 103 items yaitu jumlah yang menyukai lagu tradisional, dan cluster 1 dengan jumlah 147 items yaitu jumlah yang kurang menyukai lagu tradisional jawa barat sunda, hasil ini dikekolalah dengan software yang digunakan adalah Rapidminer dengan menggunakan atribut domisili.
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