Article Per Year (5 Year)
p-Index From 2019 - 2024
4.664
P-Index
This Author published in this journals
All Journal JAIS (Journal of Applied Intelligent System) InComTech: Jurnal Telekomunikasi dan Komputer JISA (Jurnal Informatika dan Sains) Jurnal Teknologi Informatika dan Komputer Academic Journal of Computer Science Research (AJCSR) Pelita Teknologi : Jurnal Ilmiah Informatika, Arsitektur dan Lingkungan SIGMA: Information Technology Journal Jurnal Informatika Teknologi dan Sains (Jinteks) Jurnal Lentera Pengabdian Jurnal Pelita Pengabdian SAINTEK Inaba of Community Services Journal (Inacos-J)
Donny Maulana
Universitas Pelita Bangsa
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Humanities Astronomy Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Public Health Social Sciences

Published : 34 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 34 Documents
Search

 1   2   3   4 
Penerapan Data Mining Metode Naive Bayes Untuk Diagnosa Penyakit Pneumonia Pada Balita Muhtajuddin Danny; Donny Maulana; Taufik Hidayat
Jurnal SIGMA Vol 8 No 2 (2018): Maret 2018
Publisher : Teknik Informatika, Universitas Pelita Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (549.186 KB)

Abstract

Abstrak Terdapat beberapa kasus kematian pada anak khususnya balita yang meninggal akibat terkena penyakit pneumonia, menurut World Health Organization (WHO) memperkirakan kematian balita karena pneumonia di seluruh dunia sebesar 15%, dan pada tahun 2015 diperkirakan 922.000 kematian balita yang disebabkan oleh pneumonia. Saat ini teknologi dapat memberikan informasi yang cepat dan akurat khususnya di lingkungan kesehatan baik untuk tim kesehatan, dokter, perawat bahkan untuk pasien sendiri agar lebih mudah mengontrol kesehatan mereka. Data mining berhubungan dengan pencarian data untuk menemukan pola atau pengetahuan dari data keseluruhan, kumpulan data yang besar dapat menghasilkan sebuah data yang hasilnya dapat memberikan informasi pengetahuan yang baru. Pada penelitian ini akan dibahas tentang perancangan data mining menggunakan algoritma Naïve Bayes Classifier untuk menghitung probabilitas kemungkinan seorang pasien dengan gejala-gejala tertentu apakah mengidap penyakit pneumonia atau tidak sehingga dapat memberikan kontribusi kepada tim medis di lingkungan kesehatan untuk mengatahui dan menindak lanjut pasien yang terkena penyakit pneumonia. Kata kunci: Data Mining, Naïve Bayes Classifier, Pneumonia, Balita
ANALISA PEMBELIAN KONSUMEN DENGAN MENGGUNAKAN ALGORITMA APRIORI PADA GALERI ELZATTA CIKARANG Donny Maulana; Maryatul Kiptiyah
Jurnal SIGMA Vol 10 No 2 (2019): Desember 2019
Publisher : Teknik Informatika, Universitas Pelita Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (426.346 KB)

Abstract

Elzatta merupakan nama dari sebuah brand hijab Indonesia yang bergerak dibidang fashion muslimah, menciptakan berbagai produk fashion hijab dan pernak- perniknya yang berkualitas seperti kerudung, gamis, tunik dan aneka aksesoris lainya. Salah satu cabang Elzatta yang berada dicikarang, data penjualan pada Galeri Elzatta cikarang selama ini tidak tersusun dengan baik belum dimanfaatkan secara optimal, proses kegiatan penjualan terus berjalan data yang dihasilkan semakain lama akan semakin bertambah, data tersebut hanya sebagai arsip saja tanpa pengolahan lebih lanjut sehingga tidak memiliki nilai guna untuk dapat dimanfaatkan dengan baik. Untuk itu perlu dilakukan suatu analisa menggunakan data mining guna menghasilkan informasi dalam meningkatkan penjualan pada Galeri Elatta. Tujuan penelitian ini untuk menentukan pola pembelian konsumen dengan mencari keterkaitan item yang keluar bersamaan, dengan Metode data mining yang digunakan dalam penelitian ini adalah metode assosiasi rule. Assosiation rule merupakan salah satu teknik data mining dari algoritma apriori yang berfungsi untuk mencari hubungan antara produk pada keranjang belanja konsumen. Proses yang dilakukan untuk mengolah data dalam penelitian ini mengggunakan Tools RepidMiner, dari pengujian yang dilakukan dengan parameter yang ditentukan yaitu minimum support 20% dan minimum confidence 50% menghasilkan 2 aturan/rule validasi lift ratio sebesar 1.11. Dan Inner Kepala Kerudung dengan support 28,33% dan confidence 70,83% dengan validasi lift ratio sebesar 1.03. analisa data transaksi penjualan dapat diterapkan dengan baik, dan mampu menghasilkan suatu aturan asosiasi baru dari dataset transaksi penjualan, yaitu berupa kombinasi produk yang dibeli konsumen
Analisis Data Mining Kelayakan Calon Debitur Di Pt. Bank BRI Dengan Mengunakan Metode Klasifikasi Naive Bayes Ahmad Turmuzdy ZY; Donny Maulana; Maulana Sofyan
Jurnal SIGMA Vol 8 No 2 (2018): Maret 2018
Publisher : Teknik Informatika, Universitas Pelita Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (340.256 KB)

Abstract

Abstrak Bank Rakyat Indonesia (BRI) adalah salah satu bank milik pemerintah yang terbesar di Indonesia. PT. Bank Rakyat Indonesia merupakan salah satu badan usaha perbankan yang melakukan usaha menghimpun dan menyalurkan dana masyarakat, terutama memberikan kredit dan jasa di lalu lintas pembayaran dan peredaran uang, serta memiliki beberapa unit produk, diantaranya pelayanan penyimpanan atau tabungan dan pelayanan perkreditan. Produk pembiayaan pada PT. Bank Rakyat Indonesia terdiri dari berbagai jenis produk, yaitu Kredit Umum Pedesaan (Kupedes) yang terdiri dari kredit Skala Micro (KSM), Kredit Komersial (KOM), Kredit BRIGuna (KBG), dan kredit yang bekerja sama dengan pemerintah yaitu Kredit Usaha Rakyat (KUR). Dengan begitu banyaknya calon debitur yang mengajukan kredit pada PT. Bank Rakyat Indonesia. Kemudian akan dilakukan uji kelayakan pada calon debitur PT. Bank Rakyat Indonesia menggunakan salah satu metode klasifikasi yaitu metode naive bayesian, untuk mengetahui calon debitur yang layak mendapatkan kredit pada PT. Bank Rakyat Indonesia dengan tingkat akurasi yang tinggi, agar tidak terjadi masalah ketika sedang berlangsungnya proses perkreditan pada PT. Bank Rakyat Indonesia. Kata kunci : Analisis, data mining, kelayakan, calon debitur, PT. Bank BRI , klasifikasi, naive bayes
Implementasi Sistem Monitoring Suhu Pada Produk Makanan di Mesin Sterilisasi Menggunakan Fuzzy Logic Berbasis Internet of Things Sasmitoh Rahmad Riady; Donny Maulana; Agus Suwarno; Agung Nugroho
InComTech : Jurnal Telekomunikasi dan Komputer Vol 8, No 2 (2018)
Publisher : Department of Electrical Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/incomtech.v8i2.4089

Abstract

Penelitian ini bertujuan untuk mengimplementasikan teknologi internet of things dan metode logika fuzzy terhadap monitoring suhu pada proses sterilisasi agar data suhu update secara real time dan bisa di akses dari manapun oleh management atau customer dan memberikan keputusan yang akurat dari hasil proses sterilisasi menggunakan metode logika fuzzy. Pada study kasus yang dihadapi terdapatlah beberapa masalah diantaranya adalah record data masih dilakukan secara manual oleh pihak operator machine dan hasil perhitungan dari team quality control untuk mencari nilai  masih terdapat ambiguitas atau ketidakjelasan. Maka peneliti mengusulkan diterapkannya teknologi internet of things sebagai monitoring suhu pada proses sterilisasi beserta alat ukur suhu menggunakan Raspberry Pi3 serta sensor DS18B20 dan mengolah nilai  dan isi mesin sterilisasi kedalam himpunan fuzzy. Sistem yang di bangun dengan metode prototyping ini dapat menampilkan data suhu dan hasil dari proses sterilisasi pada produk makanan secara update dan dapat menentukan status sterilisasi dengan kedua variabel tersebut.
Genetic Algorithm Optimization on Nave Bayes for Airline Customer Satisfaction Classification Yoga Religia; Donny Maulana
JISA(Jurnal Informatika dan Sains) Vol 4, No 2 (2021): JISA(Jurnal Informatika dan Sains)
Publisher : Universitas Trilogi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31326/jisa.v4i2.925

Abstract

Airline companies need to provide satisfactory service quality so that people do not switch to using other airlines. The way that can be used to determine customer satisfaction is to use data mining techniques. Currently, the website www.kaggle.com has provided Airline Passenger Satisfaction data consisting of 22 attributes, 1 label and 25976 instances which are included in the supervised learning data category. Based on several previous studies, the Naïve Bayes algorithm can provide better classification performance than other classification algorithms. Several studies also state that the use of Naive Bayes can be optimized using Genetic Algorithm (GA) to obtain better performance. The use of Genetic Algorithm for Nave Bayes optimization in classifying Airline Passenger Satisfaction data requires further research to ensure the performance of the given classification. This study aims to compare the use of the Naive Bayes algorithm for the classification of Airline Passenger Satisfaction with and without GA optimization. The data validation process used in this study is to use split validation to divide the dataset into 95% training data and 5% testing data. The test results show that the use of GA on Naive Bayes can improve the classification performance of Airline Passenger Satisfaction data in terms of accuracy and recall with an accuracy value of 85.99% and a recall of 87.91%.
Implementasi Metode Multimedia Development Life Cycle pada Game Visual Novel “Sebelum Kamu Membenciku” Donny Maulana; Andri Firmansyah; Shinta Mawarni
Jurnal Teknologi Informatika dan Komputer Vol 8, No 2 (2022): Jurnal Teknologi Informatika dan Komputer
Publisher : Universitas Mohammad Husni Thamrin

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37012/jtik.v8i2.1283

Abstract

Minat baca warga Indonesia semakin naik setiap tahunnya. Hal ini merupakan salah satu tanda peluang bagi game naratif untuk semakin berkembang di era digital seperti sekarang. Salah satu bentuk game berbasis teks yang telah ada di antaranya merupakan novel visual. Saat ini telah ada beberapa developer novel visual lokal, akan tetapi karya novel visual lokal masih jarang sehingga jumlahnya masih sangat sedikit. Demi ikut meramaikan ranah permainan naratif, akan dibahas bagaimana merancang novel visual dengan tema yang mengikuti minat pasar lokal saat ini. Metode pengembangan game visual adalah metode MDLC (Multimedia Development Life Cycle). Metode MDLC memiliki enam tahapan sebagai berikut: konsep (concept), perancangan (design), pengumpulan bahan (material collecting), pembuatan (assembly), pengujian (testing), dan pendistribusian (distribution). Dengan mengangkat tema yang sesuai dengan minat pasar lokal, justru  visual novel buatan lokal menjadi lebih menarik dibandingkan visual novel yang dikembangkan developer lokal lainnya sebab visual novel lainnya  cenderung mengangkat tema yang populer di luar negeri. Mengangkat tema fiksi remaja yang merupakan minat pasar lokal membuat visual novel tak hanya berpotensi menarik penggemar visual novel itu sendiri, tetapi juga penggemar cerita novel pada umumnya. Amanat yang merupakan salah satu unsur utama karangan adalah hal yang tak seharusnya diabaikan apalagi dibuang dari penulisan karangan. Adanya amanat tak hanya membuat cerita lebih bernilai, akan tetapi juga membantu penulis untuk menentukan apa yang ingin ditampilkan melalui cerita.
OPTIMASI METODE NAIVE BAYES PARTICLE SWARM OPTIMIZATION ANALISIS SENTIMEN FORMULA E JAKARTA PADA TWITTER Donny Maulana
Jurnal Pelita Teknologi Vol 17 No 1 (2022): Maret 2022
Publisher : DPPM Universitas Pelita Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37366/pelitatekno.v17i1.1013

Abstract

Kota Jakarta berencana menyelenggarakan ajang balap Formula E untuk mempromosikan mobil listrik sebagai kendaraan masa depan. Pandemi Covid-19 yang melanda Jakarta membuat rencana tersebut harus ditunda. Penundaan tersebut menimbulkan polemik di masyarakat pada media sosial dikarenakan kondisi Jakarta yang sedang dilanda pandemi Covid-19 tetapi pemerintah kota Jakarta tetap ingin menyelenggarakan Formula E dengan membayar uang komitmen kepada penyelenggara yang jumlahnya tidak sedikit. Perbedaan pendapat pada media sosial ini dijadikan bahan untuk analisis sentimen menggunakan metode klasifikasi Naive Bayes. Metode Naive Bayes cukup yang memiliki kelemahan terhadap seleksi fitur dilakukan optimasi dengan menerapkan pemilihan fitur Particle Swarm Optimization (PSO). Hasil penerapan optimasi PSO pada metode Naive Bayes menunjukkan adanya peningkatan performa dengan nilai akurasi 89,16%,precision 91,10%, recall, 86,81% dan AUC 0,690. Kata kunci: naive bayes, particle swarm optimization, analisis sentimen, formula e jakarta.
Optimasi Metode Naïve Bayes Particle Swarm Optimization Analisis Sentimen Formula E Jakarta Pada Twitter Donny Maulana; Hasim Budi Jatmiko; Nanang Tedi Kurniadi
Jurnal SIGMA Vol 13 No 1 (2022): Maret 2022
Publisher : Teknik Informatika, Universitas Pelita Bangsa

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

Abstract

The city of Jakarta plans to hold a Formula E racing event to promote electric cars as the vehicle of the future. The Covid-19 pandemic that hit Jakarta forced the plan to be postponed. The postponement caused a polemic in the community on social media due to the condition of Jakarta being hit by Covid-19 but the Jakarta city government still wants to hold Formula E by paying commitment money to the organizers which is not small. This difference of opinion on social media is used as material for sentiment analysis using the Naive Bayes classification method. The Naive Bayes method, which has a weakness in feature selection, is optimized by applying the Particle Swarm Optimization (PSO) feature selection. The results of the application of PSO optimization on the Naive Bayes method show an increase in performance with an accuracy value of 89.16%, precision 91.10%, recall 86.81% and AUC 0.690. Keywords: Naive Bayes, Particle Swarm Optimization, Sentiment Analysis, Jakarta E-Prix.
Analisa Extrasi Informasi Pada Abstraksi Jurnal Skripsi Berbahasa Indonesia Menggunakan Algoritma K Nearest Neighbor Donny Maulana; Asep Saepudin
Jurnal SIGMA Vol 12 No 4 (2021): Desember 2021
Publisher : Teknik Informatika, Universitas Pelita Bangsa

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

Abstract

Information Extraction is the extraction of structured facts and information from the contents of a large collection of texts. The definition of facts here is a variety of entities that are calculated or connected in the form of structured information as input to the database. Processing information extraction data in thesis journal abstracts using the KNN algorithm starts from the data selection stage (attributes used and determination of training data and data testing), the algorithm testing stage (KNN), and the accuracy test stage (using split validation). The classification process in thesis journal abstracts using the KNN algorithm is one way to classify information extraction in thesis journal abstracts. The classification process in the thesis journal abstract using the KNN algorithm is used to avoid information extraction errors in the thesis journal abstract. processing data starting from the data preprocessing stage and text mining calculations consisting of weighting term frequency and weighting concept frequency and Cosine Similarity D7 0.0332, D15 0, D10 0.1296, D14 0.1296 Keywords: Text Mining, Information Extraction, K-NN
Klasifikasi Analisis Sentimen Terhadap Calon Presiden 2019 Pada Media Sosial Twitter Menggunakan Metode Algoritma Naïve Bayes Donny Maulana
Jurnal SIGMA Vol 11 No 3 (2020): September 2020
Publisher : Teknik Informatika, Universitas Pelita Bangsa

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

Abstract

The existence of Twitter has been widely used by various levels of society in recent years. The public's habit of posting tweets to evaluate the presidential candidates is one of the media in representing the public response to the presidential candidates. Therefore in this study an analysis of public sentiments towards the 2019 presidential candidates will be revealed through the Twitter social network. The analysis was carried out using a tweet classification that contained public sentiment towards the 2019 presidential nomination, namely jokowi and prabowo. The classification method used in this study is Naive Bayes Classification (NBC). NBC is used to get the classification of positive and negative responses to the twitter and get a preference value from the community towards the 2019 presidential candidates. The results of the jokowi data percentage test methods are 25%, 50%, 75%, and 100% of the amount of data from the training data yielding an accuracy of 64.67%, 70.57%, 87.56%, 97.50% and for the test results the percentage of Pre -owo data 25%, 50%, 75%, and 100% of the amount of data from the training data resulted in an accuracy of 64.57 %, 81.67%, 64.22%, 62.67%. And for the results of testing the positive response of the people on Twitter with a value of perference value of 53% for Jokowi and 48% for Prabowo. Therefore sentiment classification using the Naive Bayes classification method can be used to measure the public response to the performance of 2019 presidential candidates. Keywords: Twitter, naive bayes, sentiment analysis
Co-Authors Adi Fitra Agung Nugroho Agung Nugroho Agus Suwarno, Agus Ahmad Turmudi Zy Ahmad Turmuzdy ZY Alfatan Dzulatkha2 Amali Amali Andri Firmansyah Asep Saepudin Barokah, Awalina Daspar Daspar Eko Budiarto Emi Lia Nurjanah Eva Ferawati Fibi Eko Putra Gatot Tri Pranoto Hasim Budi Jatmiko Ikhsanudin ikhsanudin Inna Nisawati Mardiani Ira Restu Kurnia Irfan Afriantoro Irfan Afriantoro Ismamudi Ismamudi Lutfi Adji Ardiansyah Maha Putra Majid Aminurdin Maryatul Kiptiyah Maulana Sofyan Miftakul Huda Miftakul Huda Huda Muhtajuddin Danny Nanang Tedi Nanang Tedi Kurniadi Nani Hartati Nawangsih, Ismasari Novita Sari Nur Ilman Ilyas Nurhidayanti, Nisa Raden Rangga Bramantya Putra Rani Nur Umah Rezayadi Yahya Riady, Sasmitoh Rahmad Risma Auliyah Rudi Rahmanto2 Shinta Mawarni Slamet Nur Ihsan Suherman Suherman Taufik Hidayat Tri Ngudi Wiyatno Vivi Mustikaningtyas Wiyanto Wiyanto Yoga Religia Yusup Solikhun